دال ئی

دال-ئی
	یک تصویر ساخته شده توسط دال-ئی با استفاده از متن «تدی‌برهای در حال تحقیق بر روی هوش مصنوعی در زیر آب با استفاده از فناوری دهه ۱۹۹۰»
نویسنده(های); اصلی	اوپن‌ای‌آی
انتشار اولیه	۵ ژانویه ۲۰۲۱
نوع	ترنسفورمر مدل زبانی
وبگاه	openai.com/blog/dall-e/

دال-ئی (به انگلیسی: DALL-E یا DALL·E) و دال-ئی ۲ مدل‌های یادگیری ماشینی از نوع زایا هستند که توسط اوپن‌ای‌آی برای تبدیل متن به تصویر دیجیتال ساخته شده‌اند. اوپن‌ای‌آی در ژانویه ۲۰۲۱ در یک پست وبلاگ برای اولین بار دال-ئی را معرفی کرد. دال-ئی از نسخه‌ای از جی‌پی‌تی-۳ استفاده می‌کند که برای تولید تصاویر اصلاح شده‌است. در آوریل ۲۰۲۲ دال-ئی ۲ معرفی شد که توانایی تولید تصاویر واقعی تر با وضوح بالاتر را دارد و «می‌تواند مفاهیم، ویژگی‌ها و سبک‌ها را ترکیب کند».^[۱]

نام این نرم‌افزار ترکیب نام ربات شخصیت کارتونی وال-ئی و هنرمند سوررئالیست اسپانیایی سالوادور دالی است.

فناوری

مدل ترسنفورمر تولیدگر از پیش آموزش دیده (GPT) در ابتدا توسط اوپن‌ای‌آی در سال ۲۰۱۸ با استفاده از ساختار ترنسفورمرها توسعه یافت. سپس در سال ۲۰۱۹ جی‌پی‌تی برای ساخت جی‌پی‌تی-۲ توسعه یافت. در سال ۲۰۲۰ مجدداً برای ساختجی‌پی‌تی-۳ با ۱۷۵ میلیارد پارامتر بزرگ شد. مدل دال-ئی یک پیاده‌سازی چندوجهی از جی‌پی‌تی-۳ با ۱۲ میلیارد پارامتر است که «متن را با پیکسل تعویض می‌کند»، که بر روی متن تصاویر در اینترنت آموزش داده شده‌است. دال-ئی ۲ از ۳/۵ میلیارد پارامتر استفاده می‌کند که عددی کمتر از مدل قبلی خود است.^[۲]

توانایی‌ها

دال-ئی می‌تواند تصاویر را در چندین سبک، از جمله تصاویر فوتورئالیسم، نقاشی و ایموجی تولید کند.

دال-ئی می‌تواند تصاویری برای طیف گسترده‌ای از توصیفات دلخواه را از دیدهای گوناگون تولید کند.^[۳] مارک ریدل، دانشیار دانشکده محاسبات تعاملی جورجیا، دریافت که دال-ئی می‌تواند مفاهیم را با هم ترکیب کند (که عنصر کلیدی خلاقیت انسان شناخته می‌شود).

نگرانی‌های اخلاقی

اتکای دال-ئی ۲ به مجموعه داده‌های عمومی بر نتایج آن تأثیر می‌گذارد و در برخی موارد منجر به سوگیری الگوریتمی می‌شود، مانند ایجاد تعداد بیشتری از مردان نسبت به زنان برای درخواست‌هایی که جنسیت را ذکر نمی‌کنند.^[۴] داده‌های آموزشی دال-ئی ۲ برای حذف تصاویر خشونت‌آمیز و جنسی فیلتر شد، اما مشخص شد که در برخی موارد مانند کاهش دفعات تولید زنان، سوگیری را افزایش می‌دهد.^[۵]^[۵]

احتمال انتشار دیپ فیک و سایر اشکال اطلاعات نادرست با استفاده از دال-ئی و مدل‌های مشابه آن سبب نگرانی شده‌است.^[۶] برای کاهش این خطر، نرم‌افزار درخواست‌های مربوط به شخصیت‌های مشهور و آپلودهای حاوی چهره انسان را رد می‌کند.^[۷]^[۸]

نگرانی دیگر در مورد دال-ئی و مدل‌های مشابه این است که به دلیل دقت و محبوبیت می‌توانند باعث بیکاری هنرمندان، عکاسان و طراحان گرافیک شوند.^[۹]^[۱۰]

محدودیت‌های فنی

دال-ئی ۲ در درک زبان محدودیت‌هایی دارد. برای مثال گاهی نمی‌تواند یک کتاب زرد و یک گلدان قرمز را از یک کتاب قرمز و یک گلدان زرد یا "یک پاندا که لاته آرت درست می‌کند را از لاته آرت یک پاندا تشخیص دهد.^[۱۱]^[۱۲]

استقبال

بیشتر پوشش خبری از دال-ئی بر روی بخش کوچکی از خروجی‌های سوررئال یا غیرعادی آن انجام می‌شود. خروجی دال-ئی برای «تصویری از یک بچه ترب که با سگ راه می‌رود» در بخش‌هایی از اینپوت، ان‌بی‌سی، نیچر، و سایر نشریات ذکر شد. خروجی آن برای «یک صندلی راحتی به شکل آووکادو» نیز به‌طور گسترده پوشش داده شد.

جایگزین متن باز

تلاش‌هایی برای ایجاد جایگزین منبع باز آن صورت گرفته‌است.^[۱۳] کرایون که در سال ۲۰۲۲ در پلت فرم Hugging Face منتشر شد، (قبلاً دال-ئی مینی نام داشت تا اینکه اوپن‌ای‌آی در ژوئن ۲۰۲۲ درخواست تغییر نام آن را داد) یک مدل هوش مصنوعی بر پایه دال-ئی اصلی است که روی داده‌های فیلتر نشده اینترنت آموزش دیده بود. در اواسط سال ۲۰۲۲ به دلیل توانایی‌اش در تولید تصاویر طنز، توجه رسانه‌ها را به خود جلب کرد.

جستارهای وابسته

منابع

↑ "DALL·E 2". OpenAI (به انگلیسی). Retrieved 2022-07-06.
↑ Ramesh, Aditya; Dhariwal, Prafulla; Nichol, Alex; Chu, Casey; Chen, Mark (2022-04-12). "Hierarchical Text-Conditional Image Generation with CLIP Latents". arXiv:2204.06125. {{cite journal}}: Cite journal requires |journal= (help)
↑ A bot will complete this citation soon. Click here to jump the queue arXiv:.
↑ STRICKLAND, ELIZA (2022-07-14). "DALL-E 2's Failures Are the Most Interesting Thing About It". IEEE Spectrum (به انگلیسی). Retrieved 2022-07-15.
1 2 "DALL·E 2 Pre-Training Mitigations". OpenAI (به انگلیسی). 2022-06-28. Retrieved 2022-07-18.
↑ Taylor, Josh (18 June 2022). "From Trump Nevermind babies to deep fakes: DALL-E and the ethics of AI art". The Guardian. Retrieved 2 August 2022.
↑ Rose, Janus (24 June 2022). "DALL-E Is Now Generating Realistic Faces of Fake People". Vice. Retrieved 2 August 2022.
↑ OpenAI (19 June 2022). "DALL·E 2 Preview - Risks and Limitations". GitHub. Retrieved 2 August 2022.
↑ Goldman, Sharon (26 July 2022). "OpenAI: Will DALLE-2 kill creative careers?".
↑ Blain, Loz (29 July 2022). "DALL-E 2: A dream tool and an existential threat to visual artists".
↑ Saharia. "Photorealistic Text-to-Image Diffusion Models with Deep Language Understanding". {{cite arxiv}}: |arxiv= required (help)
↑ Strickland, Eliza (2022-07-14). "DALL-E 2's Failures Are the Most Interesting Thing About It". IEEE Spectrum (به انگلیسی). Retrieved 2022-08-16.
↑ jina-ai/dalle-flow, Jina AI, 2022-06-17, retrieved 2022-06-17

پیوند به بیرون

وب سایت کرایون

[1] "DALL·E 2". OpenAI (به انگلیسی). Retrieved 2022-07-06.

[:2-2] Ramesh, Aditya; Dhariwal, Prafulla; Nichol, Alex; Chu, Casey; Chen, Mark (2022-04-12). "Hierarchical Text-Conditional Image Generation with CLIP Latents". arXiv:2204.06125. {{cite journal}}: Cite journal requires |journal= (help)

[:0-3] A bot will complete this citation soon. Click here to jump the queue arXiv:.

[4] STRICKLAND, ELIZA (2022-07-14). "DALL-E 2's Failures Are the Most Interesting Thing About It". IEEE Spectrum (به انگلیسی). Retrieved 2022-07-15.

[:1-5] 1 2 "DALL·E 2 Pre-Training Mitigations". OpenAI (به انگلیسی). 2022-06-28. Retrieved 2022-07-18.

[Taylor-6] Taylor, Josh (18 June 2022). "From Trump Nevermind babies to deep fakes: DALL-E and the ethics of AI art". The Guardian. Retrieved 2 August 2022.

[vice-7] Rose, Janus (24 June 2022). "DALL-E Is Now Generating Realistic Faces of Fake People". Vice. Retrieved 2 August 2022.

[docs-8] OpenAI (19 June 2022). "DALL·E 2 Preview - Risks and Limitations". GitHub. Retrieved 2 August 2022.

[9] Goldman, Sharon (26 July 2022). "OpenAI: Will DALLE-2 kill creative careers?".

[10] Blain, Loz (29 July 2022). "DALL-E 2: A dream tool and an existential threat to visual artists".

[11] Saharia. "Photorealistic Text-to-Image Diffusion Models with Deep Language Understanding". {{cite arxiv}}: |arxiv= required (help)

[12] Strickland, Eliza (2022-07-14). "DALL-E 2's Failures Are the Most Interesting Thing About It". IEEE Spectrum (به انگلیسی). Retrieved 2022-08-16.

[13] jina-ai/dalle-flow, Jina AI, 2022-06-17, retrieved 2022-06-17

[۱]

[۲]

[۳]

[۴]

[۵]

[۶]

[۷]

[۸]

[۹]

[۱۰]

[۱۱]

[۱۲]

[۱۳]