GPT-4o: AI பட உருவாக்கத்தில் புதிய வரையறை

செயற்கை நுண்ணறிவின் (AI) தளம் தொடர்ந்து அதன் இடைவிடாத மாற்றத்தை மேற்கொண்டு வருகிறது, மேலும் இந்த மாற்றம் பட உருவாக்கத் துறையில் மிகவும் தெளிவாகத் தெரிகிறது. சுமார் ஒரு வருடமாக, OpenAI-இன் GPT-4o மாதிரி கற்றுக்கொண்டும், தன்னைத் தகவமைத்துக் கொண்டும், வளர்ந்து வருகிறது. இப்போது, அது அதன் திறன்களின் தொகுப்பில் ஒரு குறிப்பிடத்தக்க மேம்பாட்டை வெளிப்படுத்துகிறது: ஒரு நுட்பமான பட உருவாக்கத் திறன். இது வெறும் தூண்டுதல்களிலிருந்து பிக்சல்களைஉருவாக்குவது மட்டுமல்ல; இது ஒரு படைப்பாற்றல் உரையாடலில் ஈடுபடுவது பற்றியது, பயனர்கள் தங்கள் காட்சி யோசனைகளை இயற்கை மொழி மூலம் முன்னோடியில்லாத நுணுக்கத்துடனும் கட்டுப்பாட்டுடனும் செதுக்க அனுமதிக்கிறது. ஒரு டிஜிட்டல் கலைஞருக்கு படிப்படியாக அறிவுறுத்துவதை கற்பனை செய்து பாருங்கள், விவரங்களைச் செம்மைப்படுத்துதல், கூறுகளைச் சேர்ப்பது, மற்றும் பாணிகளை மாற்றுவது, திரையில் உள்ள படம் உங்கள் மனதில் உள்ள கருத்தை சரியாகப் பிரதிபலிக்கும் வரை. இந்த ஊடாடும், படிப்படியான செயல்முறை ஒரு கணிசமான முன்னேற்றத்தைக் குறிக்கிறது.

காட்சி உருவாக்கத்திற்கான உரையாடல் அணுகுமுறை

AI பட உருவாக்கத்தின் பாரம்பரிய முறைகள் பெரும்பாலும் ஒரு மந்திரத்தைச் செய்வது போல உணர்ந்தன - ஒரு சிக்கலான உரைத் தூண்டுதலை கவனமாக உருவாக்கி, டிஜிட்டல் ஆரக்கிள் அதை சரியாக விளக்கும் என்று நம்புவது. முடிவு சரியாக இல்லையென்றால், செயல்முறை பொதுவாக அசல் மந்திரத்தைத் திருத்துவது, எதிர்மறைத் தூண்டுதல்களைச் சேர்ப்பது அல்லது புதிரான அளவுருக்களைச் சரிசெய்வது ஆகியவற்றை உள்ளடக்கியது. இது நிச்சயமாக சக்தி வாய்ந்தது, ஆனால் பெரும்பாலும் மனித ஒத்துழைப்பின் உள்ளுணர்வு ஓட்டத்தைக் கொண்டிருக்கவில்லை.

GPT-4o ஒரு முன்னுதாரண மாற்றத்தை அறிமுகப்படுத்துகிறது, இது மிகவும் உரையாடல் மற்றும் படிப்படியான பணிப்பாய்வுக்கு நகர்கிறது. பயணம் எளிமையாகத் தொடங்குகிறது: ஒரு கருத்தின் அடிப்படையில் ஆரம்பப் படத்தை நீங்கள் கோருகிறீர்கள். அங்கிருந்து, உண்மையான மேஜிக் வெளிப்படுகிறது. புதிதாகத் தொடங்குவதற்கு அல்லது ஆரம்பத் தூண்டுதலுடன் மல்யுத்தம் செய்வதற்குப் பதிலாக, நீங்கள் AI உடன் உரையாடலில் ஈடுபடுகிறீர்கள். ‘கோளத்தை சிவப்பாக்குங்கள்,’ என்று நீங்கள் கூறலாம். ‘இப்போது, ரோஜாவைப் போல அதற்கு இதழ்களைச் சேர்க்க முடியுமா?’ ‘பின்னணியை மென்மையான நீல நிறத்திற்கு மாற்றவும்.’ ஒவ்வொரு அறிவுறுத்தலும் முந்தைய நிலையின் மீது கட்டமைக்கப்படுகிறது, இது படிப்படியான செம்மைப்படுத்தலை அனுமதிக்கிறது. இந்த முன்னும் பின்னுமான செயல்பாடு, ஒருவர் மனித வடிவமைப்பாளருடன் எவ்வாறு பணியாற்றலாம் என்பதைப் பிரதிபலிக்கிறது, படிப்படியாக கருத்துக்களையும் சரிசெய்தல்களையும் வழங்குகிறது.

OpenAI வழங்கிய எடுத்துக்காட்டுகளைக் கவனியுங்கள், அவை இந்த ஆற்றல்மிக்க செயல்முறையை விளக்குகின்றன. ஒரு படம் ஒரு எளிய வடிவியல் வடிவமாகத் தொடங்கி, எளிய ஆங்கிலக் கட்டளைகளின் தொடர் மூலம், ஒரு சிக்கலான பூ அல்லது மற்றொரு சிக்கலான பொருளாக மாறலாம். இந்த முறை பட உருவாக்கத்தை ஜனநாயகப்படுத்துகிறது, தூண்டுதல் பொறியியலின் நுணுக்கங்களை அறியாதவர்களுக்கும் கூட நுட்பமான கையாளுதலை அணுகக்கூடியதாக ஆக்குகிறது. இது நுழைவதற்கான தடையைக் குறைக்கிறது, செயல்முறையை ஒரு தொழில்நுட்ப சவாலிலிருந்து ஒரு உள்ளுணர்வு படைப்பாற்றல் ஆய்வாக மாற்றுகிறது. விரும்பிய முடிவை அடைய சில நேரங்களில் பல முயற்சிகள் தேவைப்படுகின்றன என்பதை OpenAI வெளிப்படையாகக் குறிப்பிடும்போது - காட்சிப்படுத்தப்பட்ட படங்கள் ‘2-இல் சிறந்தவை’ அல்லது ‘8-இல் சிறந்தவை’ தேர்வுகளாக இருக்கலாம் என்பதை ஒப்புக்கொள்கிறது - அடிப்படைத் திறன் பயனர் அனுபவம் மற்றும் நெகிழ்வுத்தன்மையில் குறிப்பிடத்தக்க முன்னேற்றத்தைக் குறிக்கிறது. இடைமுகம் சிக்கலான கட்டுப்பாடுகளின் டாஷ்போர்டை விட உரையாடலில் கவனம் செலுத்துகிறது.

எழுத்துச் சிக்கலை வெல்லுதல்

முந்தைய AI பட ஜெனரேட்டர்களின் மிகவும் தொடர்ச்சியான மற்றும் பெரும்பாலும் வெறுப்பூட்டும் வரம்புகளில் ஒன்று, ஒத்திசைவான உரையை வழங்குவதில் அவற்றின் போராட்டம் ஆகும். ‘Open for Business’ என்று படிக்கும் ஒரு அடையாளத்தின் படத்தைக் கேட்டால், நீங்கள் புதிரான சின்னங்கள், சிதைந்த எழுத்து வடிவங்கள் அல்லது முற்றிலும் முட்டாள்தனமானவற்றைக் காட்டும் ஒரு அடையாளத்தைப் பெறலாம். சிறந்த நிலையில், உரை எழுத்துக்களை ஒத்திருக்கலாம் ஆனால் அர்த்தமுள்ள எதையும் உச்சரிக்காது. இந்த வரம்பு, பிராண்டிங், மாதிரிகள் அல்லது தெளிவான சொற்கள் தேவைப்படும் எந்தவொரு காட்சித் தொடர்புக்கும் AI பட உருவாக்கத்தின் நடைமுறைப் பயன்பாட்டை கடுமையாகத் தடுத்தது.

GPT-4o இந்த சவாலை வெளிப்படையாக எதிர்கொள்கிறது. இது தெளிவான, துல்லியமான மற்றும் சூழலுக்குப் பொருத்தமான உரையைக் கொண்ட படங்களை உருவாக்குவதில் வியத்தகு முறையில் மேம்பட்ட திறனை வெளிப்படுத்துகிறது. ஒரு கற்பனையான இசை நிகழ்ச்சியை விளம்பரப்படுத்தும் ஒரு விண்டேஜ் பாணி சுவரொட்டியைக் கோருவதை கற்பனை செய்து பாருங்கள் - GPT-4o இப்போது இசைக்குழுவின் பெயர், தேதி மற்றும் இடத்தை குறிப்பிடத்தக்க நம்பகத்தன்மையுடன் வழங்க முடியும். இந்த திருப்புமுனை வெறும் அழகுசாதனப் பொருள் அல்ல; இது பரந்த அளவிலான சாத்தியங்களைத் திறக்கிறது. வடிவமைப்பாளர்கள் லோகோக்கள் மற்றும் தளவமைப்புகளை மிகவும் திறம்பட முன்மாதிரியாக உருவாக்கலாம், சந்தையாளர்கள் குறிப்பிட்ட டேக்லைன்களுடன் விளம்பரப் படைப்புகளை உருவாக்கலாம், மேலும் கல்வியாளர்கள் உரை மற்றும் காட்சிகளை தடையின்றி ஒருங்கிணைக்கும் விளக்கப் பொருட்களை உருவாக்கலாம்.

உரையைத் துல்லியமாக வழங்கும் திறன், மாதிரிக்குள் ஆழமான புரிதல் அளவைக் குறிக்கிறது - சொற்பொருள் அர்த்தத்தை காட்சிப் பிரதிநிதித்துவத்துடன் ஒருங்கிணைத்தல். இது இனி வடிவங்களையும் வண்ணங்களையும் அங்கீகரிப்பது மட்டுமல்ல; இது எழுத்துமுறை, அச்சுக்கலை மற்றும் சொற்களுக்கும் அவை விவரிக்கும் அல்லது அலங்கரிக்கும் பொருட்களுக்கும் இடையிலான உறவைப் புரிந்துகொள்வது பற்றியது. சிக்கலான தளவமைப்புகள் அல்லது குறைவான பொதுவான எழுத்துக்களுடன் சவால்கள் இருக்கக்கூடும் என்றாலும், காட்டப்பட்டுள்ள முன்னேற்றம் AI உண்மையிலேயே விரிவான மற்றும் தகவல்தொடர்பு காட்சிகளை உருவாக்கக்கூடிய ஒரு முக்கியமான படியைக் குறிக்கிறது.

உருவாக்கத்தைத் தாண்டி: மாற்றம் மற்றும் ஒருங்கிணைப்பு

GPT-4o-இன் படைப்பாற்றல் திறன், உரைத் தூண்டுதல்களிலிருந்து முற்றிலும் படங்களை உருவாக்குவதைத் தாண்டியது. இது மாற்றம் மற்றும் ஒருங்கிணைப்பைத் தழுவுகிறது, பயனர்கள் தங்கள் சொந்த காட்சி சொத்துக்களை படைப்பாற்றல் செயல்முறைக்குள் கொண்டு வர அனுமதிக்கிறது. இந்த அம்சம் AI-ஐ ஒரு ஜெனரேட்டரிலிருந்து ஒரு பல்துறை ஒத்துழைப்பாளர் மற்றும் டிஜிட்டல் கையாளுதல் கருவியாக மாற்றுகிறது.

உங்களிடம் ஒரு புகைப்படம் இருப்பதாக கற்பனை செய்து பாருங்கள் - ஒருவேளை உங்கள் செல்லப் பூனையின் படம். இந்தப் படத்தைப் பதிவேற்றி, அதை மாற்றுமாறு GPT-4o-க்கு நீங்கள் அறிவுறுத்தலாம். ‘பூனைக்கு ஒரு துப்பறியும் தொப்பி மற்றும் ஒரு மோனோக்கிள் கொடுங்கள்,’ என்று நீங்கள் கோரலாம். AI இந்த கூறுகளை வெறுமனே ஒட்டவில்லை; இது அவற்றை இயற்கையாக ஒருங்கிணைக்க முயற்சிக்கிறது, மூலப் படத்துடன் பொருந்தும் வகையில் ஒளி, பார்வை மற்றும் பாணியைச் சரிசெய்கிறது. செயல்முறை அங்கே நிற்க வேண்டியதில்லை. மேலும் அறிவுறுத்தல்கள் படத்தை செம்மைப்படுத்தலாம்: ‘பின்னணியை மங்கலான வெளிச்சம் கொண்ட, நாய்ர் பாணி அலுவலகமாக மாற்றவும்.’ ‘அதன் பாதத்திற்கு அருகில் ஒரு பூதக்கண்ணாடியைச் சேர்க்கவும்.’ படிப்படியாக, ஒரு எளிய புகைப்படம் ஒரு பகட்டான பாத்திரக் கருத்தாக மாற்றப்படலாம், ஒருவேளை OpenAI-இன் எடுத்துக்காட்டுகளில் நிரூபிக்கப்பட்டுள்ளபடி, சாத்தியமான வீடியோ கேமிற்கான மாதிரி ஸ்கிரீன்ஷாட் கூட ஆகலாம்.

மேலும், GPT-4o ஒரு மூலப் படத்துடன் வேலை செய்வதில் மட்டும் மட்டுப்படுத்தப்படவில்லை. இது பல படங்களிலிருந்து கூறுகளை ஒரு ஒத்திசைவான இறுதி முடிவில் ஒருங்கிணைக்கும் திறனைக் கொண்டுள்ளது. நீங்கள் ஒரு நிலப்பரப்பு புகைப்படம், ஒரு உருவப்படம் மற்றும் ஒரு குறிப்பிட்ட பொருளின் படம் ஆகியவற்றை வழங்கலாம், AI-க்கு அவற்றை ஒரு குறிப்பிட்ட வழியில் இணைக்க அறிவுறுத்தலாம் - நபரை நிலப்பரப்புக்குள் வைப்பது, பொருளைப் பிடிப்பது, இவை அனைத்தும் ஒரு நிலையான கலைப் பாணியைப் பராமரிக்கும் போது. இந்த கலவை திறன் சிக்கலான படைப்பாற்றல் பணிப்பாய்வுகளைத் திறக்கிறது, வெவ்வேறு யதார்த்தங்களைக் கலக்க அல்லது மாறுபட்ட காட்சி உள்ளீடுகளின் அடிப்படையில் முற்றிலும் புதிய காட்சிகளை உருவாக்க உதவுகிறது. இது எளிய பாணி பரிமாற்றத்தைத் தாண்டி காட்சி கூறுகளின் உண்மையான சொற்பொருள் ஒருங்கிணைப்பை நோக்கி நகர்கிறது.

சிக்கல்களைக் கையாளுதல்: பல-பொருள் சவால்

ஒரு நம்பத்தகுந்த அல்லது சிக்கலான காட்சியை உருவாக்குவதற்கு பெரும்பாலும் ஒரே நேரத்தில் பல கூறுகளைக் கையாள வேண்டும். ஆரம்பகால AI மாதிரிகள் ஒரு படத்திற்குள் ஒரு சில தனித்துவமான பொருட்களை நிர்வகிக்கும் பணியில் அடிக்கடி தடுமாறின. பொருட்களுக்கு இடையிலான உறவுகள், அவற்றின் சார்பு நிலைகள், தொடர்புகள் மற்றும் காட்சி முழுவதும் நிலைத்தன்மையைப் பேணுதல் ஆகியவை கணக்கீட்டு ரீதியாக கோரப்பட்டன. OpenAI, GPT-4o இந்தப் பகுதியில் ஒரு குறிப்பிடத்தக்க முன்னேற்றத்தைக் குறிக்கிறது என்று வலியுறுத்துகிறது, கணிசமாக அதிக சிக்கலான காட்சிகளைக் கையாள்வதில் தேர்ச்சி பெற்றிருப்பதை நிரூபிக்கிறது.

நிறுவனத்தின் கூற்றுப்படி, முந்தைய மாதிரிகள் பொருள் இணைவு, தவறான இடம் அல்லது தூண்டுதலின் பகுதிகளைப் புறக்கணித்தல் போன்ற சிரமங்களை எதிர்கொள்வதற்கு முன்பு 5 முதல் 8 தனித்துவமான பொருட்களை மட்டுமே நம்பகத்தன்மையுடன் கையாள முடியும், GPT-4o 10 முதல் 20 வெவ்வேறு பொருட்களைக் கொண்ட காட்சிகளை நிர்வகிப்பதில் திறமையானது. இந்த மேம்பட்ட திறன் பணக்கார, மேலும் விரிவான மற்றும் மேலும் ஆற்றல்மிக்க படங்களை உருவாக்குவதற்கு முக்கியமானது. சாத்தியக்கூறுகளைக் கவனியுங்கள்:

• விரிவான விளக்கப்படங்கள்: ஒரு குறிப்பிட்ட அமைப்பில் பல கதாபாத்திரங்கள் தொடர்புகொள்வதை உள்ளடக்கிய கதைகள் அல்லது கட்டுரைகளுக்கான விளக்கப்படங்களை உருவாக்குதல்.
• தயாரிப்பு மாதிரிகள்: பல்வேறு தயாரிப்புகளுடன் கூடிய கடை அலமாரிகளின் படங்கள் அல்லது சிக்கலான டாஷ்போர்டு இடைமுகங்களை உருவாக்குதல்.
• கட்டிடக்கலை காட்சிப்படுத்தல்: தளபாடங்கள், அலங்காரம் மற்றும் விளக்கு கூறுகள் துல்லியமாக வைக்கப்பட்டுள்ள உட்புற வடிவமைப்புகளை வழங்குதல்.
• விளையாட்டு சூழல் முன்மாதிரி: பல சொத்துக்களால் நிரப்பப்பட்ட சிக்கலான நிலைகள் அல்லது காட்சிகளை விரைவாகக் காட்சிப்படுத்துதல்.

OpenAI குறிப்பிடுவது போல, ஒரு பெரிய தொகுப்பு கூறுகளை உள்ளடக்கிய விரிவான வழிமுறைகளைப் பின்பற்றும் இந்த திறன், மாதிரிக்குள் மிகவும் வலுவான இடஞ்சார்ந்த மற்றும் தொடர்புடைய புரிதலைக் குறிக்கிறது. இது பொருட்களின் இருப்பை மட்டுமல்ல, அவற்றின் ஏற்பாடு, தொடர்புகள் மற்றும் நிலைகளையும் குறிப்பிடும் தூண்டுதல்களை அனுமதிக்கிறது, இது சிக்கலான பயனர் நோக்கங்களுடன் மிகவும் நெருக்கமாக ஒத்துப்போகும் படங்களுக்கு வழிவகுக்கிறது. 20-பொருள் வரம்பைத் தாண்டிச் செல்வது இன்னும் சவால்களை முன்வைக்கக்கூடும் என்றாலும், தற்போதைய திறன் AI-இன் சிக்கலான காட்சி விவரிப்புகளை வழங்கும் திறனில் கணிசமான முன்னேற்றத்தைக் குறிக்கிறது.

குறைகளை ஒப்புக்கொள்ளுதல்: நேர்மை மற்றும் தொடர் வளர்ச்சி

ஈர்க்கக்கூடிய முன்னேற்றங்கள் இருந்தபோதிலும், OpenAI GPT-4o-இன் தற்போதைய வரம்புகள் குறித்து வெளிப்படையான நிலைப்பாட்டைப் பேணுகிறது. AI பட உருவாக்கத்தில் முழுமை என்பது ஒரு மழுப்பலான இலக்காகவே உள்ளது, மேலும் தற்போதுள்ள குறைபாடுகளை ஒப்புக்கொள்வது யதார்த்தமான எதிர்பார்ப்புகளை அமைப்பதற்கும் எதிர்கால வளர்ச்சியை வழிநடத்துவதற்கும் முக்கியமானது. மாதிரி இன்னும் தடுமாறக்கூடிய பல பகுதிகள் முன்னிலைப்படுத்தப்பட்டுள்ளன:

• பயிர் சிக்கல்கள்: எப்போதாவது, உருவாக்கப்பட்ட படங்கள் மோசமான பயிர்ச்செய்கையால் பாதிக்கப்படலாம், குறிப்பாக கீழ் விளிம்பில், காட்சியின் அல்லது பொருளின் அத்தியாவசிய பகுதிகளை வெட்டலாம். இது கலவை மற்றும் சட்டகமிடலில் தற்போதைய சவால்களைக் குறிக்கிறது.
• மாயத்தோற்றங்கள்: பல உருவாக்கும் AI மாதிரிகளைப் போலவே, GPT-4o-ம் ‘மாயத்தோற்றங்களுக்கு’ ஆளாகக்கூடியது - தூண்டப்படாத ஒரு படத்திற்குள் வினோதமான, அர்த்தமற்ற அல்லது எதிர்பாராத கூறுகளை உருவாக்குதல். இந்த கலைப்பொருட்கள் நுட்பமான விசித்திரமான விவரங்கள் முதல் வெளிப்படையாக சர்ரியல் சேர்த்தல்கள் வரை இருக்கலாம்.
• பொருள் வரம்புகள்: கணிசமாக மேம்படுத்தப்பட்டாலும், மிக அதிக அடர்த்தி கொண்ட பொருட்களைக் கொண்ட காட்சிகளை நிர்வகிப்பது (கூறப்பட்ட 10-20 வரம்பிற்கு அப்பால்) இன்னும் தந்திரமானதாக நிரூபிக்கப்படலாம், இது பொருள் ஒழுங்கமைத்தல் அல்லது வைப்பதில் பிழைகளுக்கு வழிவகுக்கும்.
• லத்தீன் அல்லாத உரை: ஈர்க்கக்கூடிய உரை ஒழுங்கமைத்தல் திறன் லத்தீன் அடிப்படையிலான எழுத்துக்களுடன் மிகவும் நம்பகமானதாகத் தோன்றுகிறது. பிற எழுத்துக்களில் (எ.கா., சிரிலிக், ஹன்ஸி, அரபு) துல்லியமான மற்றும் பாணியில் பொருத்தமான உரையை உருவாக்குவதற்கு மேலும் செம்மைப்படுத்தல் தேவைப்படுகிறது.
• நுட்பமான நுணுக்கங்கள்: மனித உடற்கூறியல், சிக்கலான உடல் தொடர்புகள் அல்லது மிகவும் குறிப்பிட்ட கலைப் பாணிகளின் மிக நுட்பமான நுணுக்கங்களைப் பிடிப்பது இன்னும் சவாலாக இருக்கலாம்.

இந்த வரம்புகளை வெளிப்படையாக விவாதிக்க OpenAI-இன் விருப்பம் பாராட்டத்தக்கது. இது GPT-4o, சக்தி வாய்ந்ததாக இருந்தாலும், இன்னும் செயலில் வளர்ச்சியில் உள்ள ஒரு கருவி என்பதை அடிக்கோடிட்டுக் காட்டுகிறது. இந்த குறைபாடுகள் ஆராய்ச்சியின் தற்போதைய எல்லைகளைக் குறிக்கின்றன - அல்காரிதம்களுக்கு செம்மைப்படுத்தல் தேவைப்படும் பகுதிகள், பயிற்சித் தரவுகளுக்கு மேம்பாடு தேவை, மற்றும் அடிப்படை கட்டமைப்புகளுக்கு பரிணாமம் தேவை. பயனர்கள் அதன் திறன்கள் மற்றும் அதன் தற்போதைய எல்லைகளைப் புரிந்துகொண்டு கருவியை அணுக வேண்டும், அதன் பலத்தைப் பயன்படுத்திக் கொள்ளும்போது சாத்தியமான முரண்பாடுகள் அல்லது பிழைகளைக் கவனத்தில் கொள்ள வேண்டும். தடையற்ற, குறைபாடற்ற AI பட உருவாக்கத்தை நோக்கிய பயணம் தொடர்கிறது, மேலும் GPT-4o அந்தப் பாதையில் ஒரு குறிப்பிடத்தக்க, முழுமையற்ற படியைக் குறிக்கிறது. அதன் வளர்ச்சியின் படிப்படியான தன்மை, இந்த வரம்புகளில் பல எதிர்கால புதுப்பிப்புகளில் தீர்க்கப்படும் என்பதைக் குறிக்கிறது, இது செயற்கை நுண்ணறிவின் படைப்பாற்றல் எல்லைகளை மேலும் விரிவுபடுத்துகிறது.