การสร้างภาพด้วย GPT-4o คือแนวทางที่ก้าวหน้ากว่าโมเดล DALL·E 3 ก่อนหน้าอย่างเห็นได้ชัด โดยสามารถสร้างผลลัพธ์ที่เหมือนจริงระดับภาพถ่าย สามารถรับภาพเป็นอินพุตและทำการแปลงโฉม รวมถึงทำตามคำสั่งที่มีรายละเอียดและใส่ข้อความในภาพได้อย่างแม่นยำ
เนื่องจากถูกฝังอย่างเป็นธรรมชาติในสถาปัตยกรรมของ omnimodal GPT‑4o ทำให้สามารถใช้ความรู้ทั้งหมดเพื่อประยุกต์ใช้ความสามารถเหล่านี้ในรูปแบบที่ละเอียดอ่อนและสื่อความหมาย สร้างภาพที่ไม่เพียงแต่สวยงามแต่ยังคงมีประโยชน์ด้วย
การสร้างภาพด้วย GPT-4o ได้รับประโยชน์จากโครงสร้างพื้นฐานด้านความปลอดภัยที่มีอยู่ และบทเรียนที่ได้รับจากการใช้งาน DALL·E และ Sora ขณะเดียวกัน ความสามารถใหม่เหล่านี้ก็นำมาซึ่งความเสี่ยงใหม่ๆ ซึ่งส่วนเสริมนี้ของ GPT‑4o system card ได้อธิบายถึงความเสี่ยงเล็กน้อยที่พวกเขามุ่งเน้นและมาตรการที่ได้ดำเนินการเพื่อจัดการกับความเสี่ยงเหล่านั้น
ศัพท์ที่ควรรู้
- GPT-4o – คือโมเดล AI ที่มีความสามารถหลากหลายรูปแบบ (omnimodal) ของ OpenAI
- DALL·E 3 – คือซีรีส์ของโมเดลสร้างภาพที่เคยเปิดตัวก่อนหน้า GPT-4o
- Omnimodal – หมายถึงความสามารถของโมเดลในการรับและประมวลผลข้อมูลได้หลายรูปแบบพร้อมกัน เช่น ข้อความและภาพ
- System Card – คือเอกสารที่อธิบายถึงขีดจำกัดและความเสี่ยงของระบบ AI นั้นๆ
ที่มา: OpenAI