أعلنت شركة أوبن إيه آي عن تحديث رئيسي لميزة توليد الصور في ChatGPT، في أول تطوير كبير لهذه الإمكانية منذ أكثر من عام.
جاء الإعلان على لسان الرئيس التنفيذي سام ألتمان خلال بث مباشر، حيث كشف عن أن نموذج GPT-4o أصبح الآن قادرًا على إنشاء الصور وتعديلها بشكل مباشر داخل المنصة.
ويتفوق هذا التحديث بشكل واضح على إصدارات الشركة السابقة.
إذ يقدم إمكانيات أكثر دقة وتحكمًا في تفاصيل الصور، سواء عند إنتاج صور من الصفر أو تعديل الصور الموجودة بالفعل، بما في ذلك التي تحتوي على أشخاص، من خلال إضافة عناصر أو إزالة تفاصيل معينة.
وقد أطلقت الشركة عليه اسم 4o Image Generation.
قدرات جديدة في إنشاء الصور داخل ChatGPT
كانت النسخ السابقة من ChatGPT تعتمد على نموذج DALL-E 3 لإنشاء الصور، لكنه كان يعاني من مشكلات في دقة التفاصيل، خصوصًا عند محاولة توليد صور تحتوي على نصوص أو عناصر معقدة.
وبحسب تصريحات غابرييل غوه، الباحث الرئيسي في OpenAI، يتمتع GPT-4o بقدرات متقدمة في معالجة الصور، حيث يستخدم تقنيات جديدة لتحسين دقة الربط بين العناصر المختلفة داخل الصورة.
على سبيل المثال، عند طلب صورة تحتوي على نجمة زرقاء بجوار مثلث أحمر، فإن النموذج الجديد يضمن عدم الخلط بين الألوان والأشكال، وهي مشكلة شائعة في معظم مولدات الصور الحالية.
كما يمكنه التعامل مع 15 إلى 20 عنصرًا مختلفًا داخل الصورة دون أخطاء، مقارنة بالنماذج السابقة التي كانت تواجه صعوبة عند تجاوز 5 إلى 8 عناصر.
ورغم أن سرعة إنشاء الصور قد انخفضت قليلًا مقارنة بالإصدارات السابقة، إلا أن التحسينات في الجودة والدقة والمرونة تعوض هذا الفارق، وفقًا لحديث فريق التطوير.
بالإضافة إلى ذلك، يتيح النموذج إمكانية تحرير الصور بطريقة أكثر تطورًا، بما في ذلك إعادة رسم الأجزاء المفقودة أو تعديل الخلفيات والأشياء داخل المشهد.
تحسين جودة النصوص داخل الصور
يأتي تحسين قدرة النموذج على عرض النصوص داخل الصور بشكل دقيق كواحد من الميزات البارزة في هذا التحديث.
ففي الإصدارات السابقة، كانت النصوص تظهر مشوهة أو غير مفهومة، وهو ما كان يجعل من الصعب استخدامها في الشعارات أو التصميمات الإعلانية.
لكن الفريق المطور قضى أشهرًا من التجارب المستمرة للوصول إلى مستوى يجعل النصوص داخل الصور مقروءة وقابلة للاستخدام، خصوصًا للعناوين والملصقات الكبيرة.
ورغم أن التحدي لا يزال قائمًا مع النصوص الصغيرة جدًا، إلا أن النتائج الحالية تعد تحسنًا ملحوظًا مقارنة بالإصدارات السابقة.
كيف يعمل GPT-4o Image Generation
بدلًا من استخدام تقنية النمذجة الانتشارية (Diffusion Model) التي تعتمد عليها مولدات الصور التقليدية، يعمل GPT-4o بأسلوب توليدي متسلسل (autoregressive approach).
حيث يتم إنشاء الصورة تدريجيًا من اليسار إلى اليمين ومن الأعلى إلى الأسفل، تمامًا كما يتم كتابة النصوص.
ويعتقد الفريق المطور أن هذا النهج يساعد في تحسين جودة النصوص داخل الصور، بالإضافة إلى زيادة دقة الروابط بين العناصر المختلفة.
وأوضحت الشركة أنها استخدمت بيانات متاحة للجمهور، إلى جانب بيانات مرخصة من شركاء مثل Shutterstock.
من ناحية أخرى، ورغم كفاءة GPT-4o، تطرقت OpenAI إلى بعض التحديات التي تواجهه حاليًا.
على سبيل المثال، ما زالت قدرته على الكتابة متعددة اللغات قيد التطوير.
كما أنه قد يتعرض في بعض الأحيان للهلوسة، مما يؤدي إلى تنفيذ المطالبة بشكل غير دقيق.
الموازنة بين الميزات المتطورة وحماية الملكية الفكرية
تأتي التحديثات الجديدة بعد وقت قصير من إضافة جوجل قدرات مشابهة في نموذجها Gemini 2.0 Flash.
ولكن أثار نموذج جوجل جدلًا واسعًا بسبب نقص القيود على المحتوى، ما سمح للمستخدمين بإزالة العلامات المائية من الصور وإنشاء صور لشخصيات محمية بحقوق الطبع والنشر.
ولذلك، دائمًا ما يكون القلق مسيطرًا حول استخدام الذكاء الاصطناعي في انتهاك حقوق الملكية الفكرية.
في هذا السياق، أكدت OpenAI على أن ChatGPT لن يسمح بإزالة العلامات المائية من الصور، كما أنه يرفض توليد صور غير لائقة أو محتوى مزيف مسيء.
وأفادت الشركة أنها تتخذ تدابير صارمة لمنع أي استغلال غير قانوني لميزة إنشاء الصور.
وأوضحت أنها لا تستخدم أعمال الفنانين دون إذنهم، كما توفر نموذجًا لإزالة الأعمال من مجموعات بيانات التدريب بناءً على طلب المالكين.
ورغم عدم وجود علامة بصرية واضحة تشير إلى أن الصور مولدة بالذكاء الاصطناعي، إلا أن جميع الصور تحتوي على بيانات C2PA، التي تمكن الشركة من تتبع مصدر الصورة عند الحاجة.
كيفية الوصول إلى مولد الصور 4o
تم تحديث هذه الفقرة بتاريخ 29 مارس.
4o image generation متاح حاليًا لمشتركي الخطة الاحترافية "ChatGPT Pro" التي تبلغ تكلفتها 200 دولار شهريًا، وتشمل كلًا من ChatGPT ومنصة Sora الخاصة بإنشاء مقاطع الفيديو.
وذلك بالإضافة إلى مستخدمي خطط Plus وTeams.
ورغم أن هناك تقارير صدرت منذ يومين عن تأجيل توفير الخدمة للحسابات المجانية، إلا أننا نؤكد من خلال اختباراتنا أنه تم إضافتها إلى اثنين من أصل ثلاثة من حساباتنا المجانية، وذلك في التاريخ الموضح أعلى هذه الفقرة.
ورغم أيضًا عدم توافر أدلة مؤكدة عن حجم الاستخدام اليومي للحسابات المجانية، إلا أنه من المتوقع أن يكون حوالي ثلاث صور يوميًا، وهو مشابه لما كانت عليه حدود استخدام Dall-E 3. وقد يتغير ذلك مستقبلًا بناء على حجم الطلب.
أما من ناحية DALL-E 3، فسيكون متاحًا عبر GPT مخصص للراغبين في الوصول إليه.
