DALL-E 2 นวัตกรรม AI สร้างภาพอัจฉริยะจาก OpenAI เปลี่ยนจินตนาการให้เป็นภาพจริง

ลองจินตนาการถึงโลกที่คุณสามารถเนรมิตภาพอะไรก็ได้เพียงแค่พิมพ์ข้อความบอกความต้องการ ไม่ว่าจะเป็น "แมวที่ทำจากซูชิ" หรือ "ภาพเอกซเรย์ของคาปิบาร่าที่นั่งอยู่ในป่า" สิ่งเหล่านี้ไม่ใช่เรื่องเพ้อฝันอีกต่อไปเมื่อ OpenAI กลุ่มพันธมิตรผู้ก่อตั้งโดย Elon Musk และได้รับการสนับสนุนทางการเงินจาก Microsoft ได้เปิดตัว DALL-E 2 ระบบปัญญาประดิษฐ์ที่ยกระดับการสร้างสรรค์ภาพจากจินตนาการให้มีความสมจริงและทรงพลังยิ่งขึ้น

จากจุดเริ่มต้นของ DALL-E สู่ก้าวสำคัญในเวอร์ชัน 2

ย้อนกลับไปในเดือนมกราคม ปี 2021 OpenAI ได้แนะนำให้โลกรู้จักกับ DALL-E ซึ่งเป็น Multimodal AI หรือ AI ที่สามารถประมวลผลข้อมูลได้หลายรูปแบบ (ในที่นี้คือข้อความและรูปภาพ) โดยชื่อ DALL-E เป็นการผสมคำระหว่างชื่อศิลปินชื่อดัง "Salvador Dalí" และตัวละครหุ่นยนต์ "WALL-E" จากดิสนีย์

ในเวอร์ชันแรก DALL-E มีความสามารถในการสร้างภาพตามคำบรรยาย รวมถึงการนำภาพหลายภาพมาผสมผสานกันเป็นภาพคอลลาจ และสามารถวิเคราะห์องค์ประกอบที่ไม่ได้ระบุไว้ชัดเจนในข้อความ เช่น การเติมแสงและเงาให้เหมาะสม ซึ่งแตกต่างจากโปรแกรมเรนเดอร์ 3 มิติที่ต้องระบุรายละเอียดทุกอย่างอย่างแม่นยำ

Article image

ความเหนือชั้นของ DALL-E 2 และเทคโนโลยี CLIP

DALL-E 2 ไม่ได้เป็นเพียงการอัปเกรดความละเอียดของภาพจาก 256 พิกเซล เป็น 1024 พิกเซลเท่านั้น แต่ยังมีการนำระบบ CLIP (Contrastive Language-Image Pre-training) ซึ่งเป็นระบบจดจำรูปภาพของ OpenAI มาประยุกต์ใช้ โดยปกติ CLIP จะทำหน้าที่วิเคราะห์ภาพแล้วสรุปเป็นคำพูดที่มนุษย์เข้าใจ แต่ใน DALL-E 2 ทีมพัฒนาได้พลิกกระบวนการนี้ โดยการนำคำสรุปมาสร้างเป็นรูปภาพแทน

ความสามารถใหม่ที่เพิ่มเข้ามาใน DALL-E 2 ได้แก่:

  • Inpainting: การเลือกแก้ไขเฉพาะจุดในภาพเดิม เพื่อเพิ่มหรือลบองค์ประกอบบางอย่างพร้อมการคำนวณแสงเงาให้กลมกลืน
  • Outpainting: การขยายขอบเขตของภาพเดิมให้กว้างขึ้น
  • Variations: การสร้างภาพรูปแบบใหม่ๆ ที่ยังคงเค้าโครงเดิมของภาพต้นฉบับ
  • Collage: การนำภาพสองภาพมาผสานรวมกันเป็นหนึ่งเดียว
Article image

มาตรฐานความปลอดภัยและการควบคุมเนื้อหา

เนื่องจาก OpenAI ให้ความสำคัญกับการป้องกันการนำ AI ไปใช้ในทางที่ผิด เช่น การสร้างข้อมูลเท็จ (Misinformation) หรือเนื้อหาที่สร้างความเกลียดชัง DALL-E 2 จึงถูกออกแบบมาพร้อมระบบคัดกรองที่เข้มงวด โดยมีการลบข้อมูลภาพที่ไม่เหมาะสมออกจากชุดข้อมูลที่ใช้ฝึกฝน และมีการใส่ Watermark (ลายน้ำ) เพื่อระบุว่าภาพนี้สร้างขึ้นโดย AI

นอกจากนี้ ระบบยังไม่อนุญาตให้สร้างภาพที่อ้างอิงถึงชื่อบุคคลที่มีตัวตนจริง เพื่อป้องกันการนำไปใช้ในทางที่เสื่อมเสียหรือสร้างภาพปลอมที่ดูสมจริงจนเกินไป

Image 2
ตารางเปรียบเทียบความแตกต่างระหว่าง DALL-E และ DALL-E 2
คุณสมบัติ DALL-E (เวอร์ชันแรก) DALL-E 2
ความละเอียดของภาพ 256 x 256 พิกเซล 1024 x 1024 พิกเซล
เทคโนโลยีหลัก GPT-3 Approach (Predictive) CLIP Image Recognition System
การแก้ไขภาพ สร้างภาพใหม่จากข้อความ แก้ไขเฉพาะจุด, สร้างภาพทางเลือก, ผสมภาพ
ความเร็วในการประมวลผล มาตรฐาน Latency ต่ำลง (ประมวลผลเร็วขึ้น)

ข้อเท็จจริงสำคัญ

  • ผู้พัฒนา: OpenAI โดยได้รับการสนับสนุนจาก Microsoft และก่อตั้งโดย Elon Musk
  • กลไกการทำงาน: ใช้ระบบ CLIP ในการแปลงคำบรรยายให้กลายเป็นภาพที่มีความละเอียดสูง
  • ข้อจำกัดด้านเนื้อหา: ห้ามสร้างภาพลามกอนาจาร, ความรุนแรง, อุดมการณ์สุดโต่ง หรือเหตุการณ์ทางการเมืองที่ละเอียดอ่อน
  • การเข้าถึง: ปัจจุบันเปิดให้ทดสอบเฉพาะกลุ่มพาร์ทเนอร์ที่ผ่านการตรวจสอบ และเปิดให้บุคคลทั่วไปลงชื่อใน Waitlist
Article image

คำถามที่พบบ่อย

DALL-E 2 แตกต่างจากโปรแกรมวาดภาพ 3D อย่างไร?

โปรแกรม 3D ต้องการคำสั่งที่ละเอียดและชัดเจนในทุกจุด แต่ DALL-E 2 สามารถ "เติมเต็มช่องว่าง" ได้เอง โดย AI จะวิเคราะห์จากบริบทของคำบรรยายเพื่อสร้างรายละเอียดที่เหมาะสมให้โดยอัตโนมัติ

ทำไมฉันถึงไม่สามารถสร้างภาพบุคคลที่มีชื่อเสียงได้?

เพื่อป้องกันการสร้างภาพปลอมที่อาจนำไปสู่การบิดเบือนข้อมูลหรือการโจมตีบุคคล OpenAI จึงตั้งค่าระบบให้ปฏิเสธการสร้างภาพที่ระบุชื่อบุคคลเฉพาะเจาะจง

ภาพที่สร้างจาก DALL-E 2 สามารถระบุได้หรือไม่ว่าเป็น AI?

ได้ เนื่องจากระบบจะมีการใส่ลายน้ำ (Watermark) ลงในภาพโดยอัตโนมัติ เพื่อให้ผู้พบเห็นทราบว่าภาพนี้ถูกสร้างขึ้นด้วยปัญญาประดิษฐ์

ปัจจุบันใครสามารถใช้งาน DALL-E 2 ได้บ้าง?

ในขณะนี้จำกัดการใช้งานเฉพาะกลุ่มผู้ทดสอบที่ผ่านการคัดเลือก (Vetted Testers) และพาร์ทเนอร์บางรายเท่านั้น สำหรับบุคคลทั่วไปสามารถลงชื่อรอคิว (Waitlist) ได้ที่เว็บไซต์ของ OpenAI