Резюме
- 4o Image Generation — это значительное обновление ChatGPT.
- Изображения медленно появляются сверху вниз, как изображения, загружаемые через коммутируемое соединение.
- Ожидание изображений — это приятное изменение по сравнению с мгновенным удовлетворением большинства современных технологий.
В марте этого года OpenAI выпустила функцию под названием 4o Image Generation. Это обновление возможностей генерации изображений ChatGPT, которое приносит ряд улучшений, таких как более точный текст, лучшее соблюдение инструкций и улучшенная фотореалистичность.
Однако этот процесс не мгновенный. То, что вы можете наблюдать за появлением изображений в реальном времени, возвращает меня в старые добрые времена коммутируемого доступа.
Изображения ChatGPT и медленное раскрытие
Многие изображения ИИ генерируются, начиная со случайного шума, например, статики, которую вы видите во вступлении к шоу HBO. Затем модель ИИ очищает этот шум на основе подсказки, причем каждая итерация становится все менее похожей на случайный шум и все более похожей на предполагаемое изображение. В конце концов, после достаточного количества итераций, изображение должно напоминать подсказку.
Это означает, что создание изображения занимает время. С некоторыми моделями ИИ вы можете наблюдать за процессом, наблюдая, как изображение переходит от нечеткого статичного изображения к готовому. Каждый шаг показывает состояние полного изображения перед следующей итерацией.
Однако 4o Image Generation немного отличается. Сначала он покажет очень размытое изображение того, как будет выглядеть финальное изображение, но затем изображение постепенно проясняется. Однако вместо того, чтобы это происходило со всем изображением сразу, это происходит сверху вниз.
Верхняя часть изображения завершается первой, а остальная часть остается размытой. Граница между завершенным и нечетким изображением медленно перемещается вниз по изображению, так что вы не видите завершенное изображение, пока оно не достигнет низа.
Возвращение к временам Dial-Up
Когда я впервые увидел это, я сразу же перенесся на 30 лет назад, во времена коммутируемого интернета. Тогда максимальная скорость, которую можно было получить, составляла 56 Кбит/с, а реальность обычно была намного медленнее. Эти скорости были настолько медленными, что загрузка изображения размером 100 КБ могла легко занять 30 секунд или даже больше.
То, как изображения загружаются через dial-up, очень похоже на то, как появляются новые изображения ChatGPT. Каждая строка пикселей загружается сверху вниз, то есть вы сначала видите верхнюю часть изображения и должны ждать, пока загрузится остальная часть изображения, прежде чем вы сможете его увидеть.
Почему замедление?
Не совсем понятно, почему новая функция генерации изображений ChatGPT использует этот новый метод сверху вниз. DALL-E, предыдущая модель генерации изображений от OpenAI, вела себя не так.
Изображения, созданные с помощью 4o Image Generation, безусловно, намного превосходят те, что созданы с помощью DALL-E, и создание более качественных изображений, вероятно, займет больше времени. Согласно твиту генерального директора OpenAI Сэма Альтмана, похоже, что многие пользователи ChatGPT используют эту функцию довольно интенсивно, до такой степени, что компания рассматривает возможность временного ограничения ее использования. Если графические процессоры OpenAI «плавятся», то генерация изображений, вероятно, займет больше времени, чем могла бы.
Это объяснило бы, почему изображения загружаются медленно, но не способ, которым изображения обрабатываются сверху вниз. Является ли это следствием способа генерации изображений или того, что кто-то в OpenAI действительно скучает по дням коммутируемого доступа, неясно.
Есть что сказать о необходимости ждать
Мы живем в мире мгновенного удовлетворения. У вас есть доступ ко всей сумме человеческих знаний в заднем кармане, и мы в основном принимаем это как должное. Нам больше не нужно ждать чего-либо, за исключением случаев, когда компании вроде Apple безжалостно выдают эпизоды Severance со скоростью один в неделю.
Я ненавижу тот факт, что если мне придется ждать 30 секунд лифта или пока закончится реклама, моя рука автоматически потянется к телефону, чтобы заполнить эти секунды бессмысленным пролистыванием. Мне приходится идти на крайние меры, чтобы удержать себя от думскроллинга при каждой возможности.
Но есть что сказать о том, что нужно ждать чего-то хорошего. Медленная загрузка изображений в эпоху dial-up была раздражающей, особенно если нужная вам информация (или часть изображения, которую вы больше всего хотели увидеть) находилась внизу и загружалась последней.
Однако было что-то магическое в том, чтобы наблюдать, как изображение появляется у тебя перед глазами, и я не осознавал, насколько мне этого не хватает, пока ChatGPT не напомнил мне об этом.
Медленное поколение может не продлиться долго
Хотя я действительно наслаждаюсь опытом наблюдения за тем, как мои изображения медленно появляются перед моими глазами, я, возможно, не смогу наслаждаться этим долго. Темпы развития ИИ не показывают никаких признаков замедления. Не так давно изображения ИИ было до смешного легко обнаружить, просто взглянув на изуродованные руки, но современные изображения, созданные ИИ, становятся все сложнее распознавать.
По мере совершенствования этой технологии, вероятно, генерация изображений станет еще быстрее, а медленное раскрытие исчезнет навсегда. Я планирую наслаждаться этим, пока могу, потому что вы не знаете, что у вас есть, пока оно не исчезнет.
