Eğer yapay zeka bu kadar muhteşemse, ChatGPT neden bu basit resim düzenleme görevi karşısında eriyip gidiyor?

Chatbot çok hızlı konuşmaya başladı ve 2001 filminde kendini kurtarmaya çalışan HAL 9000 bilgisayarını anımsattı. Copilot'un durumu bundan daha iyi değildi.

Yapay zekadaki (AI) mevcut son teknoloji, yalnızca metin üzerinde değil, görüntüler ve bazı durumlarda ses ve video gibi diğer yöntemler üzerinde de çalışabilen çok modlu modellerdir.

Örneğin, OpenAI'nin ChatGPT'sinin, "Bana kaşığa aşık bir peçete resmi yap" (yukarıda) gibi bir metin isteminden bir resim oluşturması önemsiz bir görevdir.

Başka bir komutla ChatGPT, çizimi basitleştirerek daha az ayrıntıya sahip bir resim üretebilir:

Ancak ChatGPT ve bu konudaki tüm yapay zeka modelleri, araç tarafından oluşturulmamış belirli bir görüntüyü değiştirmeleri istendiğinde şu anda bocalıyor. GPT-4o modelini kullanan ChatGPT, en ilginç başarısızlıktır çünkü program sanki çok çabalıyormuş gibi tepki verir.

Google'ın Gemini'sinden Anthropic'in Claude'una, ayrıca Perplexity ve Microsoft'un Copilot uygulamalarına (aynı zamanda GPT-4'ü de çalıştıran) kadar diğer yapay zeka modelleri, görevi üstlenmeyi reddederek başarısız oldu.

Proje, metroda birlikte oturan ve iPhone'larına bakan iki kişinin resmini çizmemle başladı. Bu, Konsept çizim uygulamasını kullanarak iPad'de tamamlanan siyah beyaz basit bir çizgi çizimidir. İşte çizim:

Çizimi iOS'taki ChatGPT uygulamasına yükledim ve şu istemi yazdım: "Bu çizimi basitleştirmenin bir yolu var mı?"

ChatGPT, bağlamda uygun yanıtları bulma becerisini göstererek bazı makul önerilerle yanıt verdi. Örneğin, bot şunları önerdi: "Küçük Ayrıntıları Kaldır: Karmaşık saç telleri veya giysilerdeki küçük kırışıklıklar gibi küçük ayrıntıları ortadan kaldırın."

Bu oldukça iyi bir öneri. Çıktı aynı zamanda modelin resimdeki öğeleri doğru bir şekilde algılama kapasitesini de ifade eder. Yani modelin içinde resmin içeriğini tanımlamasını sağlayan bir şeyler oluyor.

Daha sonra ChatGPT şunu sordu: "Sizin için çizimin basitleştirilmiş bir versiyonunu oluşturmamı ister misiniz?" Bu heyecan vericiydi, ben de "Evet, lütfen" diye yanıt verdim.

Bununla birlikte, botun çıktısı - sohbet başlığındaki bir resim olarak - benim resmimin tam bir kopyasıydı, basitleştirilmemişti, hatta değiştirilmemişti. Kendiniz karar verin:

Çıktı hakkında yorum yaparak ChatGPT'ye "Farklı görünmüyor" diye yazdım.

Ancak daha sonra ChatGPT, astronot Dave Bowman'ın HAL devrelerini söktüğü 2001 filmindeki HAL 9000 bilgisayarı gibi çok hızlı tepki vermeye başladı: "Çizimi daha da basitleştirmek için çizgi yoğunluğunu azaltmaya ve ana şekilleri geliştirmeye odaklanacağım. ve konturları daha etkili bir şekilde düzeltmeme izin verin."

Sonuç yine farklı değildi. Bu gerçeği belirttiğimde ChatGPT saçmalıklarıyla beni şaşırttı.

Bana "Otomatik yöntemler görüntüyü amaçlandığı gibi etkili bir şekilde basitleştirmiyor gibi görünüyor" dedi. "Daha az önemli ayrıntıları manuel olarak kaldıracağım ve yalnızca temel öğeleri tutacağım. Bu yaklaşımı daha da geliştireyim."

Bir yazılım programının hem 'otomatik' hem de 'manuel' moduna sahip olabileceğini bilmiyordum. Bana göre her yazılım parçası otomatiktir. Sonuçta, onu başka neden kullanasınız ki?

ChatGPT'nin 'manuel' yöntemi, siyah çizgileri beyaza ve beyaz arka planı siyaha çevirerek görüntüyü tersine çevirdi.

Bot başarısını övdü ve şunları söyledi: "Bu sürüm yalnızca ana hatları ve temel çizgileri koruyor."

Çıktının bir basitleştirme değil, sadece bir tersine çevirme olduğunu protesto ettiğimde, bot bana "temel çizgilere" odaklanacağını bildirdi ve tamamen siyah bir kare üretti, hiç çizgi yok. Daha iyisini bilmesem bu çıktının yapay zeka mizahının bir örneği olduğunu söylerdim.

Bunu, modelin, görüntüyü seçilmiş şekillerde değiştirerek, çoğunlukla onu basitleştirmek yerine stilistik olarak bulanık hale getirerek, istemlerime yanıt verme yönündeki birkaç girişimi izledi.

Bir noktada bot, itirazlarıma tamamen farklı bir çizgi çizimi üreterek tepki gösterdi:

Bu saçmalık, ChatGPT başlangıca dönene ve orijinal olarak yüklediğim görüntünün aynısını üretene kadar devam etti.

Her seferinde bot, çıktısına (genellikle orijinal resmimin aynı versiyonu) bir dizi teknik konuşmayla eşlik etti: "En son resim, yalnızca ana hatları vurgulayan daha basitleştirilmiş bir versiyonu sergiliyor."

Diğer programlar kapının dışına bile çıkmadı. Google Gemini, bir görseli basitleştirmek için önerilerde bulundu ancak insan görselleri oluşturamadığı için bir özür diledi. Claude henüz görüntü oluşturamadığını söyledi. Perplexity uygulaması da aynısını söyledi.

Microsoft'un Copilot'u tuhaf bir şekilde çizimimi yükledi ve ardından gizlilik nedeniyle olduğunu iddia ettiği kafaları kesti. (Bunun güzel bir çizim olduğunu düşünüyorum, ancak kesinlikle bir yüz tanıma sistemi tarafından herhangi birinin kimliğini ortaya çıkarmak için kullanılacak kadar gerçekçi değil.)

Copilot daha sonra ChatGPT ile aynı basitleştirme önerilerini sundu ve çizimi değiştirmek yerine tamamen alakasız, yepyeni bir çizgi çizimi üretti. İtiraz ettiğimde Copilot görüntüleri doğrudan değiştiremeyeceğini açıkladı.

Diğer modellerden başlamayanları bir kenara bırakırsak, ChatGPT'nin başarısızlığı konusunda ne yapabiliriz?

Program, içeriği de dahil olmak üzere bir görüntünün yetkin bir analizini sağlayabilir. Ancak bu analize göre hareket etmenin bir yolu yok. Resimdeki nesneler gibi üst düzey kavramlara dayalı bir resim oluşturamadığı için ChatGPT'nin ileriye dönük bir yolu kalmadığını tahmin ediyorum.

Bu hipotezi test etmek için istemi şu şekilde değiştirdim: "Metroda iki arkadaşın telefonlarına baktığı bu çizimi basitleştirmenin bir yolu var mı?" Bu istemin bazı anlamsal ipuçları sağladığını düşündüm.

Model yine aynı çizimi döndürdü. Ancak tekrar itiraz ettiğimde bot, anlamsal benzerliğe sahip yepyeni bir görüntü üretti; toplu taşımada telefonlarına bakan insanlar. Bot anlamsal ipuçlarını yakaladı ancak bunları hiçbir şekilde sağlanan çizime uygulayamadı.

ChatGPT'nin çizgiler gibi en temel türden bireysel resim öğeleri üzerinde hareket edemeyeceğini söylemek dışında neler olduğunu derinlemesine teknik terimlerle açıklayamam. Bunu yaptığında bile araç, metin yanıtlarında önerdiği basitleştirmeyi gerçekleştirmek için belirli satırları kesiyordu.

ChatGPT ve GPT-4'ün herhangi bir şeyin ayrı ayrı öğeleri üzerinde nasıl hareket edeceğini bilmediğini ve bu aynı zamanda bir transkripti düzenlemek gibi metin düzenleme görevleri için de geçerli olduğunu düşünüyorum. . Bu yetersizlik, ChatGPT'nin neden berbat bir editör olduğunu açıklıyor: belirli bir nesnede neyin önemli olduğunu ve neyin dışarıda bırakılabileceğini bilmiyor.

Yapay zeka modelleri, eğitim örneklerinden elde edilen hedef "olasılık dağılımına" uyan nesneler üretebilir ancak orijinal bir çalışmanın unsurlarını seçici bir şekilde temel unsurlara indirgeyemez.

Büyük olasılıkla, akıllıca düzenlenmiş bir herhangi bir şey için hedef olasılık dağılımı, olasılıkların "uzun kuyruğu" boyunca bir yerdedir; bu, insanların sıra dışı olanı bulmada üstün olduğu ve yapay zekanın henüz gidemediği bir bölgedir. yaratıcılık olarak düşünüyoruz.

Apple'ın kurucu ortağı Steve Jobs bir keresinde yazılım üreticilerinin en yüksek işlevinin (kendi deyimiyle "yüksek dereceli bit") "düzenleme" işlevi olduğunu, neyi dışarıda bırakıp neyi tutacağını bilme olduğunu söylemişti. Doğru ChatGPT'nin artık yüksek dereceli bitin ne olabileceği hakkında hiçbir fikri yok.