ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦਾ ਲੈਂਡਸਕੇਪ ਲਗਾਤਾਰ ਬਦਲ ਰਿਹਾ ਹੈ, ਅਤੇ ਇਹ ਬਦਲਾਅ ਚਿੱਤਰ ਉਤਪਤੀ (image generation) ਦੇ ਖੇਤਰ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਸਪੱਸ਼ਟ ਤੌਰ ‘ਤੇ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ। ਲਗਭਗ ਇੱਕ ਸਾਲ ਤੋਂ, OpenAI ਦਾ GPT-4o ਮਾਡਲ ਸਿੱਖ ਰਿਹਾ ਹੈ, ਅਨੁਕੂਲ ਹੋ ਰਿਹਾ ਹੈ, ਅਤੇ ਵਿਕਸਤ ਹੋ ਰਿਹਾ ਹੈ। ਹੁਣ, ਇਹ ਆਪਣੀ ਸਮਰੱਥਾ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਵਾਧਾ ਪੇਸ਼ ਕਰਦਾ ਹੈ: ਇੱਕ ਉੱਨਤ ਚਿੱਤਰ ਉਤਪਤੀ ਸਮਰੱਥਾ। ਇਹ ਸਿਰਫ਼ ਪ੍ਰੋਂਪਟ (prompts) ਤੋਂ ਪਿਕਸਲ ਬਣਾਉਣ ਬਾਰੇ ਨਹੀਂ ਹੈ; ਇਹ ਇੱਕ ਰਚਨਾਤਮਕ ਗੱਲਬਾਤ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਣ ਬਾਰੇ ਹੈ, ਜਿਸ ਨਾਲ ਉਪਭੋਗਤਾ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਰਾਹੀਂ ਬੇਮਿਸਾਲ ਸੂਖਮਤਾ ਅਤੇ ਨਿਯੰਤਰਣ ਨਾਲ ਆਪਣੇ ਵਿਜ਼ੂਅਲ ਵਿਚਾਰਾਂ ਨੂੰ ਆਕਾਰ ਦੇ ਸਕਦੇ ਹਨ। ਕਲਪਨਾ ਕਰੋ ਕਿ ਤੁਸੀਂ ਇੱਕ ਡਿਜੀਟਲ ਕਲਾਕਾਰ ਨੂੰ ਕਦਮ-ਦਰ-ਕਦਮ ਨਿਰਦੇਸ਼ ਦੇ ਰਹੇ ਹੋ, ਵੇਰਵਿਆਂ ਨੂੰ ਸੁਧਾਰ ਰਹੇ ਹੋ, ਤੱਤ ਜੋੜ ਰਹੇ ਹੋ, ਅਤੇ ਸਟਾਈਲ ਬਦਲ ਰਹੇ ਹੋ ਜਦੋਂ ਤੱਕ ਸਕ੍ਰੀਨ ‘ਤੇ ਚਿੱਤਰ ਤੁਹਾਡੇ ਮਨ ਵਿੱਚਲੇ ਸੰਕਲਪ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਦਰਸਾਉਂਦਾ ਨਹੀਂ ਹੈ। ਇਹ ਇੰਟਰਐਕਟਿਵ, ਦੁਹਰਾਉਣ ਵਾਲੀ ਪ੍ਰਕਿਰਿਆ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਅੱਗੇ ਵਧਣ ਦਾ ਸੰਕੇਤ ਦਿੰਦੀ ਹੈ।
ਵਿਜ਼ੂਅਲ ਰਚਨਾ ਲਈ ਗੱਲਬਾਤ ਵਾਲਾ ਪਹੁੰਚ
AI ਚਿੱਤਰ ਉਤਪਤੀ ਦੇ ਰਵਾਇਤੀ ਤਰੀਕੇ ਅਕਸਰ ਇੱਕ ਜਾਦੂ ਕਰਨ ਵਾਂਗ ਮਹਿਸੂਸ ਹੁੰਦੇ ਸਨ - ਧਿਆਨ ਨਾਲ ਇੱਕ ਗੁੰਝਲਦਾਰ ਟੈਕਸਟ ਪ੍ਰੋਂਪਟ ਤਿਆਰ ਕਰਨਾ ਅਤੇ ਉਮੀਦ ਕਰਨਾ ਕਿ ਡਿਜੀਟਲ ਓਰੇਕਲ ਇਸਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਸਮਝੇਗਾ। ਜੇ ਨਤੀਜਾ ਬਿਲਕੁਲ ਸਹੀ ਨਹੀਂ ਹੁੰਦਾ ਸੀ, ਤਾਂ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਆਮ ਤੌਰ ‘ਤੇ ਅਸਲ ਮੰਤਰ ਨੂੰ ਬਦਲਣਾ, ਨਕਾਰਾਤਮਕ ਪ੍ਰੋਂਪਟ (negative prompts) ਜੋੜਨਾ, ਜਾਂ ਗੁਪਤ ਪੈਰਾਮੀਟਰਾਂ ਨੂੰ ਐਡਜਸਟ ਕਰਨਾ ਸ਼ਾਮਲ ਹੁੰਦਾ ਸੀ। ਇਹ ਨਿਸ਼ਚਿਤ ਤੌਰ ‘ਤੇ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸੀ, ਪਰ ਅਕਸਰ ਮਨੁੱਖੀ ਸਹਿਯੋਗ ਦੇ ਸਹਿਜ ਪ੍ਰਵਾਹ ਦੀ ਕਮੀ ਹੁੰਦੀ ਸੀ।
GPT-4o ਇੱਕ ਪੈਰਾਡਾਈਮ ਸ਼ਿਫਟ ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਇੱਕ ਵਧੇਰੇ ਗੱਲਬਾਤ ਵਾਲੇ ਅਤੇ ਦੁਹਰਾਉਣ ਵਾਲੇ ਵਰਕਫਲੋ ਵੱਲ ਵਧਦਾ ਹੈ। ਯਾਤਰਾ ਸਧਾਰਨ ਤੌਰ ‘ਤੇ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ: ਤੁਸੀਂ ਇੱਕ ਸੰਕਲਪ ਦੇ ਅਧਾਰ ‘ਤੇ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਚਿੱਤਰ ਦੀ ਬੇਨਤੀ ਕਰਦੇ ਹੋ। ਉੱਥੋਂ, ਜਾਦੂ ਅਸਲ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ। ਸ਼ੁਰੂ ਤੋਂ ਸ਼ੁਰੂ ਕਰਨ ਜਾਂ ਸ਼ੁਰੂਆਤੀ ਪ੍ਰੋਂਪਟ ਨਾਲ ਜੂਝਣ ਦੀ ਬਜਾਏ, ਤੁਸੀਂ AI ਨਾਲ ਗੱਲਬਾਤ ਵਿੱਚ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹੋ। ‘ਗੋਲੇ ਨੂੰ ਲਾਲ ਬਣਾਓ,’ ਤੁਸੀਂ ਕਹਿ ਸਕਦੇ ਹੋ। ‘ਹੁਣ, ਕੀ ਤੁਸੀਂ ਇਸ ਵਿੱਚ ਗੁਲਾਬ ਵਾਂਗ ਪੱਤੀਆਂ ਜੋੜ ਸਕਦੇ ਹੋ?’ ‘ਬੈਕਗ੍ਰਾਉਂਡ ਨੂੰ ਹਲਕੇ ਨੀਲੇ ਵਿੱਚ ਬਦਲੋ।’ ਹਰੇਕ ਨਿਰਦੇਸ਼ ਪਿਛਲੀ ਸਥਿਤੀ ‘ਤੇ ਅਧਾਰਤ ਹੁੰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਪ੍ਰਗਤੀਸ਼ੀਲ ਸੁਧਾਰ ਦੀ ਆਗਿਆ ਮਿਲਦੀ ਹੈ। ਇਹ ਅੱਗੇ-ਪਿੱਛੇ ਉਸ ਤਰੀਕੇ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜਿਸ ਤਰ੍ਹਾਂ ਕੋਈ ਮਨੁੱਖੀ ਡਿਜ਼ਾਈਨਰ ਨਾਲ ਕੰਮ ਕਰ ਸਕਦਾ ਹੈ, ਫੀਡਬੈਕ ਅਤੇ ਸਮਾਯੋਜਨ ਨੂੰ ਹੌਲੀ-ਹੌਲੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।
OpenAI ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤੇ ਗਏ ਉਦਾਹਰਣਾਂ ‘ਤੇ ਗੌਰ ਕਰੋ, ਜੋ ਇਸ ਗਤੀਸ਼ੀਲ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ। ਇੱਕ ਚਿੱਤਰ ਇੱਕ ਸਧਾਰਨ ਜਿਓਮੈਟ੍ਰਿਕ ਆਕਾਰ ਵਜੋਂ ਸ਼ੁਰੂ ਹੋ ਸਕਦਾ ਹੈ ਅਤੇ, ਸਾਧਾਰਨ ਅੰਗਰੇਜ਼ੀ ਕਮਾਂਡਾਂ ਦੀ ਇੱਕ ਲੜੀ ਰਾਹੀਂ, ਇੱਕ ਗੁੰਝਲਦਾਰ ਫੁੱਲ ਜਾਂ ਕਿਸੇ ਹੋਰ ਗੁੰਝਲਦਾਰ ਵਸਤੂ ਵਿੱਚ ਬਦਲ ਸਕਦਾ ਹੈ। ਇਹ ਵਿਧੀ ਚਿੱਤਰ ਰਚਨਾ ਦਾ ਲੋਕਤੰਤਰੀਕਰਨ ਕਰਦੀ ਹੈ, ਪ੍ਰੋਂਪਟ ਇੰਜੀਨੀਅਰਿੰਗ ਦੀਆਂ ਬਾਰੀਕੀਆਂ ਤੋਂ ਅਣਜਾਣ ਲੋਕਾਂ ਲਈ ਵੀ ਉੱਨਤ ਹੇਰਾਫੇਰੀ ਨੂੰ ਪਹੁੰਚਯੋਗ ਬਣਾਉਂਦੀ ਹੈ। ਇਹ ਦਾਖਲੇ ਦੀ ਰੁਕਾਵਟ ਨੂੰ ਘੱਟ ਕਰਦਾ ਹੈ, ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਇੱਕ ਤਕਨੀਕੀ ਚੁਣੌਤੀ ਤੋਂ ਇੱਕ ਸਹਿਜ ਰਚਨਾਤਮਕ ਖੋਜ ਵਿੱਚ ਬਦਲਦਾ ਹੈ। ਜਦੋਂ ਕਿ OpenAI ਇਮਾਨਦਾਰੀ ਨਾਲ ਨੋਟ ਕਰਦਾ ਹੈ ਕਿ ਲੋੜੀਂਦਾ ਨਤੀਜਾ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਕਈ ਵਾਰ ਕਈ ਕੋਸ਼ਿਸ਼ਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ - ਇਹ ਸਵੀਕਾਰ ਕਰਦੇ ਹੋਏ ਕਿ ਦਿਖਾਏ ਗਏ ਚਿੱਤਰ ‘2 ਵਿੱਚੋਂ ਸਭ ਤੋਂ ਵਧੀਆ’ ਜਾਂ ਇੱਥੋਂ ਤੱਕ ਕਿ ‘8 ਵਿੱਚੋਂ ਸਭ ਤੋਂ ਵਧੀਆ’ ਚੋਣਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ - ਅੰਤਰੀਵ ਸਮਰੱਥਾ ਉਪਭੋਗਤਾ ਅਨੁਭਵ ਅਤੇ ਲਚਕਤਾ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸੁਧਾਰ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ। ਇੰਟਰਫੇਸ ਖੁਦ ਸਾਦਗੀ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦਾ ਹੈ, ਨਿਯੰਤਰਣਾਂ ਦੇ ਇੱਕ ਗੁੰਝਲਦਾਰ ਡੈਸ਼ਬੋਰਡ ਦੀ ਬਜਾਏ ਗੱਲਬਾਤ ‘ਤੇ ਧਿਆਨ ਕੇਂਦਰਤ ਕਰਦਾ ਹੈ।
ਟੈਕਸਟ ਦੀ ਸਮੱਸਿਆ ‘ਤੇ ਜਿੱਤ
ਪਹਿਲਾਂ ਦੇ AI ਚਿੱਤਰ ਜਨਰੇਟਰਾਂ ਦੀਆਂ ਸਭ ਤੋਂ ਲਗਾਤਾਰ ਅਤੇ ਅਕਸਰ ਨਿਰਾਸ਼ਾਜਨਕ ਸੀਮਾਵਾਂ ਵਿੱਚੋਂ ਇੱਕ ਉਹਨਾਂ ਦਾ ਸਪਸ਼ਟ ਟੈਕਸਟ ਪੇਸ਼ ਕਰਨ ਵਿੱਚ ਸੰਘਰਸ਼ ਸੀ। ‘Open for Business’ ਲਿਖੇ ਸਾਈਨ ਦੇ ਚਿੱਤਰ ਲਈ ਪੁੱਛੋ, ਅਤੇ ਤੁਹਾਨੂੰ ਗੁਪਤ ਚਿੰਨ੍ਹ, ਵਿਗੜੇ ਹੋਏ ਅੱਖਰ ਰੂਪ, ਜਾਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਬਕਵਾਸ ਦਿਖਾਉਣ ਵਾਲਾ ਸਾਈਨ ਮਿਲ ਸਕਦਾ ਹੈ। ਸਭ ਤੋਂ ਵਧੀਆ ਸਥਿਤੀ ਵਿੱਚ, ਟੈਕਸਟ ਅੱਖਰਾਂ ਵਰਗਾ ਹੋ ਸਕਦਾ ਹੈ ਪਰ ਕੁਝ ਵੀ ਅਰਥਪੂਰਨ ਨਹੀਂ ਦੱਸਦਾ। ਇਸ ਸੀਮਾ ਨੇ ਬ੍ਰਾਂਡਿੰਗ, ਮੌਕਅੱਪ, ਜਾਂ ਕਿਸੇ ਵੀ ਵਿਜ਼ੂਅਲ ਸੰਚਾਰ ਲਈ AI ਚਿੱਤਰ ਉਤਪਤੀ ਦੀ ਵਿਹਾਰਕ ਵਰਤੋਂ ਨੂੰ ਗੰਭੀਰ ਰੂਪ ਵਿੱਚ ਰੋਕ ਦਿੱਤਾ ਜਿਸ ਲਈ ਪੜ੍ਹਨਯੋਗ ਸ਼ਬਦਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
GPT-4o ਇਸ ਚੁਣੌਤੀ ਦਾ ਸਪੱਸ਼ਟ ਤੌਰ ‘ਤੇ ਸਾਹਮਣਾ ਕਰਦਾ ਹੈ। ਇਹ ਸਪਸ਼ਟ, ਸਹੀ, ਅਤੇ ਪ੍ਰਸੰਗਿਕ ਤੌਰ ‘ਤੇ ਉਚਿਤ ਟੈਕਸਟ ਵਾਲੇ ਚਿੱਤਰ ਬਣਾਉਣ ਦੀ ਨਾਟਕੀ ਤੌਰ ‘ਤੇ ਸੁਧਰੀ ਹੋਈ ਯੋਗਤਾ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦਾ ਹੈ। ਇੱਕ ਕਾਲਪਨਿਕ ਕੰਸਰਟ ਦਾ ਇਸ਼ਤਿਹਾਰ ਦੇਣ ਵਾਲੇ ਵਿੰਟੇਜ-ਸ਼ੈਲੀ ਦੇ ਪੋਸਟਰ ਦੀ ਬੇਨਤੀ ਕਰਨ ਦੀ ਕਲਪਨਾ ਕਰੋ - GPT-4o ਹੁਣ ਸੰਭਾਵੀ ਤੌਰ ‘ਤੇ ਬੈਂਡ ਦਾ ਨਾਮ, ਮਿਤੀ, ਅਤੇ ਸਥਾਨ ਨੂੰ ਕਮਾਲ ਦੀ ਵਫ਼ਾਦਾਰੀ ਨਾਲ ਪੇਸ਼ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਸਫਲਤਾ ਸਿਰਫ਼ ਕਾਸਮੈਟਿਕ ਨਹੀਂ ਹੈ; ਇਹ ਸੰਭਾਵਨਾਵਾਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ਨੂੰ ਖੋਲ੍ਹਦੀ ਹੈ। ਡਿਜ਼ਾਈਨਰ ਲੋਗੋ ਅਤੇ ਲੇਆਉਟ ਨੂੰ ਵਧੇਰੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਪ੍ਰੋਟੋਟਾਈਪ ਕਰ ਸਕਦੇ ਹਨ, ਮਾਰਕੀਟਰ ਖਾਸ ਟੈਗਲਾਈਨਾਂ ਨਾਲ ਵਿਗਿਆਪਨ ਕ੍ਰਿਏਟਿਵ ਤਿਆਰ ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ ਸਿੱਖਿਅਕ ਉਦਾਹਰਣ ਸਮੱਗਰੀ ਬਣਾ ਸਕਦੇ ਹਨ ਜੋ ਟੈਕਸਟ ਅਤੇ ਵਿਜ਼ੂਅਲ ਨੂੰ ਸਹਿਜੇ ਹੀ ਏਕੀਕ੍ਰਿਤ ਕਰਦੇ ਹਨ।
ਟੈਕਸਟ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਪੇਸ਼ ਕਰਨ ਦੀ ਯੋਗਤਾ ਮਾਡਲ ਦੇ ਅੰਦਰ ਸਮਝ ਦੇ ਡੂੰਘੇ ਪੱਧਰ ਦਾ ਸੁਝਾਅ ਦਿੰਦੀ ਹੈ - ਵਿਜ਼ੂਅਲ ਪ੍ਰਤੀਨਿਧਤਾ ਦੇ ਨਾਲ ਅਰਥਵਾਦੀ ਅਰਥਾਂ ਦਾ ਏਕੀਕਰਣ। ਇਹ ਹੁਣ ਸਿਰਫ਼ ਆਕਾਰਾਂ ਅਤੇ ਰੰਗਾਂ ਨੂੰ ਪਛਾਣਨ ਬਾਰੇ ਨਹੀਂ ਹੈ; ਇਹ ਆਰਥੋਗ੍ਰਾਫੀ, ਟਾਈਪੋਗ੍ਰਾਫੀ, ਅਤੇ ਸ਼ਬਦਾਂ ਅਤੇ ਉਹਨਾਂ ਵਸਤੂਆਂ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਨੂੰ ਸਮਝਣ ਬਾਰੇ ਹੈ ਜਿਨ੍ਹਾਂ ਦਾ ਉਹ ਵਰਣਨ ਕਰਦੇ ਹਨ ਜਾਂ ਸਜਾਉਂਦੇ ਹਨ। ਜਦੋਂ ਕਿ ਚੁਣੌਤੀਆਂ ਸੰਭਾਵਤ ਤੌਰ ‘ਤੇ ਬਣੀਆਂ ਰਹਿੰਦੀਆਂ ਹਨ, ਖਾਸ ਤੌਰ ‘ਤੇ ਗੁੰਝਲਦਾਰ ਲੇਆਉਟ ਜਾਂ ਘੱਟ ਆਮ ਸਕ੍ਰਿਪਟਾਂ ਦੇ ਨਾਲ, ਦਿਖਾਈ ਗਈ ਤਰੱਕੀ AI ਵੱਲ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕਦਮ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ ਜੋ ਸੱਚਮੁੱਚ ਵਿਆਪਕ ਅਤੇ ਸੰਚਾਰੀ ਵਿਜ਼ੂਅਲ ਤਿਆਰ ਕਰ ਸਕਦੀ ਹੈ।
ਉਤਪਤੀ ਤੋਂ ਪਰੇ: ਸੋਧ ਅਤੇ ਏਕੀਕਰਣ
GPT-4o ਦੀ ਰਚਨਾਤਮਕ ਸੰਭਾਵਨਾ ਸਿਰਫ਼ ਟੈਕਸਟ ਪ੍ਰੋਂਪਟ ਤੋਂ ਚਿੱਤਰ ਬਣਾਉਣ ਤੋਂ ਪਰੇ ਹੈ। ਇਹ ਸੋਧ ਅਤੇ ਏਕੀਕਰਣ ਨੂੰ ਅਪਣਾਉਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਉਪਭੋਗਤਾ ਆਪਣੀਆਂ ਵਿਜ਼ੂਅਲ ਸੰਪਤੀਆਂ ਨੂੰ ਰਚਨਾਤਮਕ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਲਿਆ ਸਕਦੇ ਹਨ। ਇਹ ਵਿਸ਼ੇਸ਼ਤਾ AI ਨੂੰ ਇੱਕ ਜਨਰੇਟਰ ਤੋਂ ਇੱਕ ਬਹੁਮੁਖੀ ਸਹਿਯੋਗੀ ਅਤੇ ਡਿਜੀਟਲ ਹੇਰਾਫੇਰੀ ਟੂਲ ਵਿੱਚ ਬਦਲ ਦਿੰਦੀ ਹੈ।
ਕਲਪਨਾ ਕਰੋ ਕਿ ਤੁਹਾਡੇ ਕੋਲ ਇੱਕ ਫੋਟੋ ਹੈ - ਸ਼ਾਇਦ ਤੁਹਾਡੀ ਪਾਲਤੂ ਬਿੱਲੀ ਦੀ ਤਸਵੀਰ। ਤੁਸੀਂ ਇਸ ਚਿੱਤਰ ਨੂੰ ਅਪਲੋਡ ਕਰ ਸਕਦੇ ਹੋ ਅਤੇ GPT-4o ਨੂੰ ਇਸਨੂੰ ਸੋਧਣ ਲਈ ਨਿਰਦੇਸ਼ ਦੇ ਸਕਦੇ ਹੋ। ‘ਬਿੱਲੀ ਨੂੰ ਇੱਕ ਜਾਸੂਸ ਟੋਪੀ ਅਤੇ ਇੱਕ ਮੋਨੋਕਲ ਦਿਓ,’ ਤੁਸੀਂ ਬੇਨਤੀ ਕਰ ਸਕਦੇ ਹੋ। AI ਸਿਰਫ਼ ਇਹਨਾਂ ਤੱਤਾਂ ਨੂੰ ਬੇਢੰਗੇ ਢੰਗ ਨਾਲ ਪੇਸਟ ਨਹੀਂ ਕਰਦਾ; ਇਹ ਉਹਨਾਂ ਨੂੰ ਕੁਦਰਤੀ ਤੌਰ ‘ਤੇ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ, ਰੋਸ਼ਨੀ, ਦ੍ਰਿਸ਼ਟੀਕੋਣ, ਅਤੇ ਸ਼ੈਲੀ ਨੂੰ ਸਰੋਤ ਚਿੱਤਰ ਨਾਲ ਮੇਲ ਕਰਨ ਲਈ ਐਡਜਸਟ ਕਰਦਾ ਹੈ। ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਉੱਥੇ ਰੁਕਣ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ। ਹੋਰ ਨਿਰਦੇਸ਼ ਚਿੱਤਰ ਨੂੰ ਸੁਧਾਰ ਸਕਦੇ ਹਨ: ‘ਬੈਕਗ੍ਰਾਉਂਡ ਨੂੰ ਇੱਕ ਮੱਧਮ ਰੋਸ਼ਨੀ ਵਾਲੇ, ਨੋਇਰ-ਸ਼ੈਲੀ ਦੇ ਦਫਤਰ ਵਿੱਚ ਬਦਲੋ।’ ‘ਇਸਦੇ ਪੰਜੇ ਦੇ ਨੇੜੇ ਇੱਕ ਵੱਡਦਰਸ਼ੀ ਸ਼ੀਸ਼ਾ ਸ਼ਾਮਲ ਕਰੋ।’ ਕਦਮ-ਦਰ-ਕਦਮ, ਇੱਕ ਸਧਾਰਨ ਫੋਟੋ ਨੂੰ ਇੱਕ ਸਟਾਈਲਾਈਜ਼ਡ ਚਰਿੱਤਰ ਸੰਕਲਪ ਵਿੱਚ ਬਦਲਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਸ਼ਾਇਦ ਇੱਕ ਸੰਭਾਵੀ ਵੀਡੀਓ ਗੇਮ ਲਈ ਇੱਕ ਮੌਕ ਸਕ੍ਰੀਨਸ਼ੌਟ ਵੀ, ਜਿਵੇਂ ਕਿ OpenAI ਦੇ ਉਦਾਹਰਣਾਂ ਵਿੱਚ ਦਿਖਾਇਆ ਗਿਆ ਹੈ।
ਇਸ ਤੋਂ ਇਲਾਵਾ, GPT-4o ਸਿਰਫ਼ ਇੱਕ ਸਰੋਤ ਚਿੱਤਰ ਨਾਲ ਕੰਮ ਕਰਨ ਤੱਕ ਸੀਮਿਤ ਨਹੀਂ ਹੈ। ਇਸ ਵਿੱਚ ਕਈ ਚਿੱਤਰਾਂ ਦੇ ਤੱਤਾਂ ਨੂੰ ਇੱਕ ਸੰਯੁਕਤ ਅੰਤਮ ਨਤੀਜੇ ਵਿੱਚ ਸੰਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਹੈ। ਤੁਸੀਂ ਸੰਭਾਵੀ ਤੌਰ ‘ਤੇ ਇੱਕ ਲੈਂਡਸਕੇਪ ਫੋਟੋ, ਇੱਕ ਪੋਰਟਰੇਟ, ਅਤੇ ਇੱਕ ਖਾਸ ਵਸਤੂ ਦਾ ਚਿੱਤਰ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੇ ਹੋ, AI ਨੂੰ ਉਹਨਾਂ ਨੂੰ ਇੱਕ ਖਾਸ ਤਰੀਕੇ ਨਾਲ ਜੋੜਨ ਦਾ ਨਿਰਦੇਸ਼ ਦੇ ਸਕਦੇ ਹੋ - ਵਿਅਕਤੀ ਨੂੰ ਲੈਂਡਸਕੇਪ ਦੇ ਅੰਦਰ ਰੱਖਣਾ, ਵਸਤੂ ਨੂੰ ਫੜਨਾ, ਸਭ ਕੁਝ ਇੱਕ ਇਕਸਾਰ ਕਲਾਤਮਕ ਸ਼ੈਲੀ ਨੂੰ ਬਣਾਈ ਰੱਖਦੇ ਹੋਏ। ਇਹ ਕੰਪੋਜ਼ਿਟਿੰਗ ਸਮਰੱਥਾ ਗੁੰਝਲਦਾਰ ਰਚਨਾਤਮਕ ਵਰਕਫਲੋ ਨੂੰ ਖੋਲ੍ਹਦੀ ਹੈ, ਵੱਖ-ਵੱਖ ਹਕੀਕਤਾਂ ਨੂੰ ਮਿਲਾਉਣ ਜਾਂ ਵਿਭਿੰਨ ਵਿਜ਼ੂਅਲ ਇਨਪੁਟਸ ਦੇ ਅਧਾਰ ‘ਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਵੇਂ ਦ੍ਰਿਸ਼ ਬਣਾਉਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦੀ ਹੈ। ਇਹ ਸਧਾਰਨ ਸ਼ੈਲੀ ਟ੍ਰਾਂਸਫਰ ਤੋਂ ਪਰੇ ਵਿਜ਼ੂਅਲ ਕੰਪੋਨੈਂਟਸ ਦੇ ਅਸਲ ਅਰਥਵਾਦੀ ਏਕੀਕਰਣ ਵੱਲ ਵਧਦਾ ਹੈ।
ਗੁੰਝਲਤਾ ਨੂੰ ਸੰਭਾਲਣਾ: ਬਹੁ-ਵਸਤੂ ਚੁਣੌਤੀ
ਇੱਕ ਵਿਸ਼ਵਾਸਯੋਗ ਜਾਂ ਗੁੰਝਲਦਾਰ ਦ੍ਰਿਸ਼ ਬਣਾਉਣ ਲਈ ਅਕਸਰ ਇੱਕੋ ਸਮੇਂ ਕਈ ਤੱਤਾਂ ਨੂੰ ਸੰਭਾਲਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਸ਼ੁਰੂਆਤੀ AI ਮਾਡਲ ਅਕਸਰ ਉਦੋਂ ਠੋਕਰ ਖਾਂਦੇ ਸਨ ਜਦੋਂ ਉਹਨਾਂ ਨੂੰ ਇੱਕ ਸਿੰਗਲ ਚਿੱਤਰ ਦੇ ਅੰਦਰ ਮੁੱਠੀ ਭਰ ਤੋਂ ਵੱਧ ਵੱਖਰੀਆਂ ਵਸਤੂਆਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਦਾ ਕੰਮ ਸੌਂਪਿਆ ਜਾਂਦਾ ਸੀ। ਵਸਤੂਆਂ ਵਿਚਕਾਰ ਸਬੰਧ, ਉਹਨਾਂ ਦੀਆਂ ਅਨੁਸਾਰੀ ਸਥਿਤੀਆਂ, ਪਰਸਪਰ ਪ੍ਰਭਾਵ, ਅਤੇ ਪੂਰੇ ਦ੍ਰਿਸ਼ ਵਿੱਚ ਇਕਸਾਰਤਾ ਬਣਾਈ ਰੱਖਣਾ ਕੰਪਿਊਟੇਸ਼ਨਲ ਤੌਰ ‘ਤੇ ਮੰਗ ਵਾਲਾ ਸਾਬਤ ਹੋਇਆ। OpenAI ਦਾਅਵਾ ਕਰਦਾ ਹੈ ਕਿ GPT-4o ਇਸ ਖੇਤਰ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਤਰੱਕੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਕਾਫ਼ੀ ਜ਼ਿਆਦਾ ਗੁੰਝਲਤਾ ਵਾਲੇ ਦ੍ਰਿਸ਼ਾਂ ਨੂੰ ਹੇਰਾਫੇਰੀ ਕਰਨ ਵਿੱਚ ਮੁਹਾਰਤ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦਾ ਹੈ।
ਕੰਪਨੀ ਦੇ ਅਨੁਸਾਰ, ਜਿੱਥੇ ਪਿਛਲੇ ਮਾਡਲ ਵਸਤੂ ਫਿਊਜ਼ਨ, ਗਲਤ ਪਲੇਸਮੈਂਟ, ਜਾਂ ਪ੍ਰੋਂਪਟ ਦੇ ਕੁਝ ਹਿੱਸਿਆਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨ ਵਰਗੀਆਂ ਮੁਸ਼ਕਲਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਸਿਰਫ 5 ਤੋਂ 8 ਵੱਖਰੀਆਂ ਵਸਤੂਆਂ ਨੂੰ ਭਰੋਸੇਯੋਗ ਢੰਗ ਨਾਲ ਸੰਭਾਲ ਸਕਦੇ ਸਨ, GPT-4o 10 ਤੋਂ 20 ਵੱਖ-ਵੱਖ ਵਸਤੂਆਂ ਵਾਲੇ ਦ੍ਰਿਸ਼ਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਵਿੱਚ ਮਾਹਰ ਹੈ। ਇਹ ਵਧੀ ਹੋਈ ਸਮਰੱਥਾ ਅਮੀਰ, ਵਧੇਰੇ ਵਿਸਤ੍ਰਿਤ, ਅਤੇ ਵਧੇਰੇ ਗਤੀਸ਼ੀਲ ਚਿੱਤਰ ਬਣਾਉਣ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਸੰਭਾਵਨਾਵਾਂ ‘ਤੇ ਗੌਰ ਕਰੋ:
- ਵਿਸਤ੍ਰਿਤ ਚਿੱਤਰ: ਕਹਾਣੀਆਂ ਜਾਂ ਲੇਖਾਂ ਲਈ ਚਿੱਤਰ ਬਣਾਉਣਾ ਜਿਸ ਵਿੱਚ ਇੱਕ ਖਾਸ ਸੈਟਿੰਗ ਵਿੱਚ ਕਈ ਪਾਤਰ ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਪਾਉਂਦੇ ਹਨ।
- ਉਤਪਾਦ ਮੌਕਅੱਪ: ਵੱਖ-ਵੱਖ ਉਤਪਾਦਾਂ ਨਾਲ ਭਰੀਆਂ ਸਟੋਰ ਸ਼ੈਲਫਾਂ, ਜਾਂ ਗੁੰਝਲਦਾਰ ਡੈਸ਼ਬੋਰਡ ਇੰਟਰਫੇਸਾਂ ਦੇ ਚਿੱਤਰ ਬਣਾਉਣਾ।
- ਆਰਕੀਟੈਕਚਰਲ ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ: ਫਰਨੀਚਰ, ਸਜਾਵਟ, ਅਤੇ ਰੋਸ਼ਨੀ ਤੱਤਾਂ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਰੱਖ ਕੇ ਅੰਦਰੂਨੀ ਡਿਜ਼ਾਈਨ ਪੇਸ਼ ਕਰਨਾ।
- ਗੇਮ ਵਾਤਾਵਰਣ ਪ੍ਰੋਟੋਟਾਈਪਿੰਗ: ਕਈ ਸੰਪਤੀਆਂ ਨਾਲ ਭਰੇ ਗੁੰਝਲਦਾਰ ਪੱਧਰਾਂ ਜਾਂ ਦ੍ਰਿਸ਼ਾਂ ਦੀ ਤੇਜ਼ੀ ਨਾਲ ਕਲਪਨਾ ਕਰਨਾ।
ਤੱਤਾਂ ਦੇ ਇੱਕ ਵੱਡੇ ਸਮੂਹ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਵਾਲੇ ਵਿਸਤ੍ਰਿਤ ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਪਾਲਣਾ ਕਰਨ ਦੀ ਇਹ ਯੋਗਤਾ, ਜਿਵੇਂ ਕਿ OpenAI ਕਹਿੰਦਾ ਹੈ, ‘ਫਸਣ’ ਤੋਂ ਬਿਨਾਂ, ਮਾਡਲ ਦੇ ਅੰਦਰ ਇੱਕ ਵਧੇਰੇ ਮਜ਼ਬੂਤ ਸਥਾਨਿਕ ਅਤੇ ਸਬੰਧਤ ਸਮਝ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ। ਇਹ ਉਹਨਾਂ ਪ੍ਰੋਂਪਟਾਂ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ ਜੋ ਨਾ ਸਿਰਫ਼ ਵਸਤੂਆਂ ਦੀ ਮੌਜੂਦਗੀ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦੇ ਹਨ, ਬਲਕਿ ਉਹਨਾਂ ਦੀ ਵਿਵਸਥਾ, ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਅਤੇ ਸਥਿਤੀਆਂ ਨੂੰ ਵੀ ਨਿਰਧਾਰਤ ਕਰਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਉਹ ਚਿੱਤਰ ਬਣਦੇ ਹਨ ਜੋ ਗੁੰਝਲਦਾਰ ਉਪਭੋਗਤਾ ਇਰਾਦਿਆਂ ਨਾਲ ਵਧੇਰੇ ਨੇੜਿਓਂ ਮੇਲ ਖਾਂਦੇ ਹਨ। ਜਦੋਂ ਕਿ 20-ਵਸਤੂ ਦੀ ਸੀਮਾ ਤੋਂ ਅੱਗੇ ਵਧਣਾ ਅਜੇ ਵੀ ਚੁਣੌਤੀਆਂ ਪੇਸ਼ ਕਰ ਸਕਦਾ ਹੈ, ਮੌਜੂਦਾ ਸਮਰੱਥਾ ਗੁੰਝਲਦਾਰ ਵਿਜ਼ੂਅਲ ਬਿਰਤਾਂਤਾਂ ਨੂੰ ਪੇਸ਼ ਕਰਨ ਦੀ AI ਦੀ ਯੋਗਤਾ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸੁਧਾਰ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ।
ਕਮੀਆਂ ਨੂੰ ਸਵੀਕਾਰ ਕਰਨਾ: ਇਮਾਨਦਾਰੀ ਅਤੇ ਚੱਲ ਰਿਹਾ ਵਿਕਾਸ
ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਤਰੱਕੀ ਦੇ ਬਾਵਜੂਦ, OpenAI GPT-4o ਦੀਆਂ ਮੌਜੂਦਾ ਸੀਮਾਵਾਂ ਬਾਰੇ ਇੱਕ ਪਾਰਦਰਸ਼ੀ ਰੁਖ ਬਣਾਈ ਰੱਖਦਾ ਹੈ। AI ਚਿੱਤਰ ਉਤਪਤੀ ਵਿੱਚ ਸੰਪੂਰਨਤਾ ਇੱਕ ਅਪ੍ਰਾਪਤ ਟੀਚਾ ਬਣੀ ਹੋਈ ਹੈ, ਅਤੇ ਮੌਜੂਦਾ ਕਮੀਆਂ ਨੂੰ ਸਵੀਕਾਰ ਕਰਨਾ ਯਥਾਰਥਵਾਦੀ ਉਮੀਦਾਂ ਨਿਰਧਾਰਤ ਕਰਨ ਅਤੇ ਭਵਿੱਖ ਦੇ ਵਿਕਾਸ ਨੂੰ ਸੇਧ ਦੇਣ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਕਈ ਖੇਤਰਾਂ ਨੂੰ ਉਜਾਗਰ ਕੀਤਾ ਗਿਆ ਹੈ ਜਿੱਥੇ ਮਾਡਲ ਅਜੇ ਵੀ ਅਸਫਲ ਹੋ ਸਕਦਾ ਹੈ:
- ਕ੍ਰੌਪਿੰਗ ਮੁੱਦੇ: ਕਦੇ-ਕਦਾਈਂ, ਤਿਆਰ ਕੀਤੇ ਚਿੱਤਰ ਅਜੀਬ ਕ੍ਰੌਪਿੰਗ ਤੋਂ ਪੀੜਤ ਹੋ ਸਕਦੇ ਹਨ, ਖਾਸ ਤੌਰ ‘ਤੇ ਹੇਠਲੇ ਕਿਨਾਰੇ ‘ਤੇ, ਦ੍ਰਿਸ਼ ਜਾਂ ਵਿਸ਼ੇ ਦੇ ਜ਼ਰੂਰੀ ਹਿੱਸਿਆਂ ਨੂੰ ਕੱਟਦੇ ਹੋਏ। ਇਹ ਰਚਨਾ ਅਤੇ ਫਰੇਮਿੰਗ ਨਾਲ ਚੱਲ ਰਹੀਆਂ ਚੁਣੌਤੀਆਂ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ।
- ਹੈਲੂਸੀਨੇਸ਼ਨਜ਼: ਬਹੁਤ ਸਾਰੇ ਜਨਰੇਟਿਵ AI ਮਾਡਲਾਂ ਵਾਂਗ, GPT-4o ‘ਹੈਲੂਸੀਨੇਸ਼ਨਜ਼’ ਤੋਂ ਮੁਕਤ ਨਹੀਂ ਹੈ - ਇੱਕ ਚਿੱਤਰ ਦੇ ਅੰਦਰ ਅਜੀਬ, ਬੇਤੁਕੇ, ਜਾਂ ਅਣਇੱਛਤ ਤੱਤ ਪੈਦਾ ਕਰਨਾ ਜਿਨ੍ਹਾਂ ਦਾ ਪ੍ਰੋਂਪਟ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਸੀ। ਇਹ ਕਲਾਤਮਕ ਵਸਤੂਆਂ ਸੂਖਮ ਤੌਰ ‘ਤੇ ਅਜੀਬ ਵੇਰਵਿਆਂ ਤੋਂ ਲੈ ਕੇ ਸਪੱਸ਼ਟ ਤੌਰ ‘ਤੇ ਅਸਲ ਜੋੜਾਂ ਤੱਕ ਹੋ ਸਕਦੀਆਂ ਹਨ।
- ਵਸਤੂ ਸੀਮਾਵਾਂ: ਹਾਲਾਂਕਿ ਮਹੱਤਵਪੂਰਨ ਤੌਰ ‘ਤੇ ਸੁਧਾਰ ਹੋਇਆ ਹੈ, ਬਹੁਤ ਜ਼ਿਆਦਾ ਵਸਤੂ ਘਣਤਾ ਵਾਲੇ ਦ੍ਰਿਸ਼ਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ (ਦੱਸੇ ਗਏ 10-20 ਰੇਂਜ ਤੋਂ ਪਰੇ) ਅਜੇ ਵੀ ਮੁਸ਼ਕਲ ਸਾਬਤ ਹੋ ਸਕਦਾ ਹੈ, ਸੰਭਾਵੀ ਤੌਰ ‘ਤੇ ਵਸਤੂ ਰੈਂਡਰਿੰਗ ਜਾਂ ਪਲੇਸਮੈਂਟ ਵਿੱਚ ਗਲਤੀਆਂ ਹੋ ਸਕਦੀਆਂ ਹਨ।
- ਗੈਰ-ਲੈਟਿਨ ਟੈਕਸਟ: ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਟੈਕਸਟ ਰੈਂਡਰਿੰਗ ਸਮਰੱਥਾ ਲੈਟਿਨ-ਅਧਾਰਤ ਵਰਣਮਾਲਾ ਦੇ ਨਾਲ ਸਭ ਤੋਂ ਭਰੋਸੇਮੰਦ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ। ਹੋਰ ਸਕ੍ਰਿਪਟਾਂ (ਜਿਵੇਂ ਕਿ ਸਿਰਿਲਿਕ, ਹੰਜ਼ੀ, ਅਰਬੀ) ਵਿੱਚ ਸਹੀ ਅਤੇ ਸ਼ੈਲੀਗਤ ਤੌਰ ‘ਤੇ ਉਚਿਤ ਟੈਕਸਟ ਤਿਆਰ ਕਰਨ ਲਈ ਹੋਰ ਸੁਧਾਰ ਦੀ ਲੋੜ ਹੈ।
- ਸੂਖਮ ਬਾਰੀਕੀਆਂ: ਮਨੁੱਖੀ ਸਰੀਰ ਵਿਗਿਆਨ ਦੀਆਂ ਬਹੁਤ ਸੂਖਮ ਬਾਰੀਕੀਆਂ, ਗੁੰਝਲਦਾਰ ਸਰੀਰਕ ਪਰਸਪਰ ਪ੍ਰਭਾਵ, ਜਾਂ ਬਹੁਤ ਖਾਸ ਕਲਾਤਮਕ ਸ਼ੈਲੀਆਂ ਨੂੰ ਕੈਪਚਰ ਕਰਨਾ ਅਜੇ ਵੀ ਚੁਣੌਤੀਪੂਰਨ ਹੋ ਸਕਦਾ ਹੈ।
OpenAI ਦੀ ਇਹਨਾਂ ਸੀਮਾਵਾਂ ‘ਤੇ ਖੁੱਲ੍ਹ ਕੇ ਚਰਚਾ ਕਰਨ ਦੀ ਇੱਛਾ ਸ਼ਲਾਘਾਯੋਗ ਹੈ। ਇਹ ਇਸ ਗੱਲ ‘ਤੇ ਜ਼ੋਰ ਦਿੰਦਾ ਹੈ ਕਿ GPT-4o, ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੋਣ ਦੇ ਬਾਵਜੂਦ, ਇੱਕ ਅਜਿਹਾ ਸਾਧਨ ਹੈ ਜੋ ਅਜੇ ਵੀ ਸਰਗਰਮ ਵਿਕਾਸ ਅਧੀਨ ਹੈ। ਇਹ ਕਮੀਆਂ ਖੋਜ ਦੇ ਮੌਜੂਦਾ ਮੋਰਚਿਆਂ ਨੂੰ ਦਰਸਾਉਂਦੀਆਂ ਹਨ - ਉਹ ਖੇਤਰ ਜਿੱਥੇ ਐਲਗੋਰਿਦਮ ਨੂੰ ਸੁਧਾਰ ਦੀ ਲੋੜ ਹੈ, ਸਿਖਲਾਈ ਡੇਟਾ ਨੂੰ ਵਧਾਉਣ ਦੀ ਲੋੜ ਹੈ, ਅਤੇ ਅੰਤਰੀਵ ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਵਿਕਾਸ ਦੀ ਲੋੜ ਹੈ। ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਇਸਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਅਤੇ ਇਸਦੀਆਂ ਮੌਜੂਦਾ ਸੀਮਾਵਾਂ ਦੀ ਸਮਝ ਨਾਲ ਟੂਲ ਤੱਕ ਪਹੁੰਚ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ, ਇਸਦੀਆਂ ਸ਼ਕਤੀਆਂ ਦਾ ਲਾਭ ਉਠਾਉਂਦੇ ਹੋਏ ਸੰਭਾਵੀ ਅਸੰਗਤਤਾਵਾਂ ਜਾਂ ਗਲਤੀਆਂ ਪ੍ਰਤੀ ਸੁਚੇਤ ਰਹਿਣਾ ਚਾਹੀਦਾ ਹੈ। ਸਹਿਜ, ਨਿਰਦੋਸ਼ AI ਚਿੱਤਰ ਰਚਨਾ ਵੱਲ ਯਾਤਰਾ ਜਾਰੀ ਹੈ, ਅਤੇ GPT-4o ਉਸ ਮਾਰਗ ‘ਤੇ ਇੱਕ ਮਹੱਤਵਪੂਰਨ, ਭਾਵੇਂ ਅਧੂਰਾ, ਕਦਮ ਦਰਸਾਉਂਦਾ ਹੈ। ਇਸਦੇ ਵਿਕਾਸ ਦੀ ਦੁਹਰਾਉਣ ਵਾਲੀ ਪ੍ਰਕਿਰਤੀ ਸੁਝਾਅ ਦਿੰਦੀ ਹੈ ਕਿ ਇਹਨਾਂ ਵਿੱਚੋਂ ਬਹੁਤ ਸਾਰੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਭਵਿੱਖ ਦੇ ਅਪਡੇਟਾਂ ਵਿੱਚ ਸੰਭਾਵਤ ਤੌਰ ‘ਤੇ ਹੱਲ ਕੀਤਾ ਜਾਵੇਗਾ, ਜਿਸ ਨਾਲ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੇ ਰਚਨਾਤਮਕ ਦੂਰੀਆਂ ਦਾ ਹੋਰ ਵਿਸਤਾਰ ਹੋਵੇਗਾ।