Il nuovo generatore di immagini di OpenAI vuole essere abbastanza pratico per designer e pubblicitari

Il modello può raffigurare un testo leggibile ed è più pratico dei generatori surreali del passato. Ma chi lo userà?

OpenAI ha rilasciato un nuovo generatore di immagini progettato meno per la tipica arte surrealista dell’intelligenza artificiale e più per la creazione di immagini altamente controllabili e pratiche, segno che OpenAI ritiene che i suoi strumenti siano pronti per essere utilizzati in campi come la pubblicità e il design grafico.

Il generatore di immagini, che ora fa parte del modello GPT-4o dell’azienda, era stato promesso da OpenAI lo scorso maggio ma non era stato rilasciato. Le richieste di immagini generate su ChatGPT sono state soddisfatte da un vecchio generatore di immagini chiamato DALL-E. Da allora OpenAI ha messo a punto il nuovo modello e lo rilascerà nelle prossime settimane a tutti i livelli di utenti a partire da oggi, sostituendo quello più vecchio.

Il nuovo modello fa progressi su questioni tecniche che hanno afflitto i generatori di immagini AI per anni. Mentre la maggior parte di essi è stata bravissima a creare immagini fantastiche o deepfakes realistici, è stata pessima in una cosa chiamata “binding”, che si riferisce alla capacità di identificare correttamente alcuni oggetti e di collocarli al posto giusto (come un cartello con la scritta “hot dog” posizionato correttamente sopra un carrello del cibo, non in un altro punto dell’immagine).

Solo da pochi anni i modelli hanno iniziato a funzionare con cose come “Metti il cubo rosso sopra il cubo blu”, una funzione essenziale per qualsiasi uso creativo e professionale dell’IA. I generatori hanno difficoltà anche nella generazione del testo, creando in genere accozzaglie distorte di forme di lettere che assomigliano più a captcha che a testi leggibili.

OPENAI

Le immagini di esempio di OpenAI mostrano i progressi compiuti. Il modello è in grado di generare 12 elementi grafici discreti all’interno di una singola immagine, come un’emoji di gatto o un fulmine, e di disporli nell’ordine corretto. Un’altra mostra quattro cocktail accompagnati da schede di ricette con testi precisi e leggibili. Altre immagini mostrano fumetti con bolle di testo, finte pubblicità e diagrammi didattici. Il modello consente anche di caricare immagini da modificare e sarà disponibile nel generatore di video Sora e in GPT-4o.

OPENAI

Si tratta di “un nuovo strumento di comunicazione”, afferma Gabe Goh, il principale progettista del generatore presso OpenAI. Kenji Hata, un ricercatore di OpenAI che ha lavorato allo strumento, la mette in modo diverso: “Credo che l’idea di fondo sia che ci stiamo allontanando dalla bella arte”. Può ancora farlo, chiarisce, ma farà anche cose più utili. “È possibile far lavorare le immagini per noi”, dice, “e non solo guardarle”.

È un chiaro segno che OpenAI sta posizionando lo strumento per essere utilizzato maggiormente dai professionisti della creatività: si pensi ai grafici, alle agenzie pubblicitarie, ai social media manager o agli illustratori. Ma per entrare in questo settore, OpenAI ha due strade, entrambe difficili.

In primo luogo, può rivolgersi ai professionisti qualificati che da tempo utilizzano programmi come Adobe Photoshop, che sta investendo molto in strumenti di IA in grado di riempire le immagini con l’IA generativa.

“Adobe ha davvero una morsa su questo mercato e si sta muovendo abbastanza velocemente che non so quanto sia convincente per le persone cambiare”, dice David Raskino, cofondatore e direttore tecnico di Irreverent Labs, che lavora sulla generazione di video AI.

La seconda opzione è quella di rivolgersi ai designer occasionali che si sono affollati di strumenti come Canva (che ha anche investito nell’intelligenza artificiale). Si tratta di un pubblico che potrebbe non aver mai avuto bisogno di software tecnicamente impegnativi come Photoshop, ma che utilizzerebbe strumenti di design più casual per creare immagini. Per avere successo, OpenAI dovrebbe attirare le persone lontano dalle piattaforme costruite per il design, sperando che la velocità e la qualità del suo generatore di immagini rendano il passaggio conveniente (almeno per una parte del processo di progettazione).

È anche possibile che lo strumento venga semplicemente utilizzato come molti altri generatori di immagini: per creare immagini rapide e “sufficientemente buone” per accompagnare i post sui social media. Ma visto che OpenAI ha in programma investimenti massicci, tra cui la partecipazione al progetto Stargate da 500 miliardi di dollari per la costruzione di nuovi centri dati su scala mai vista prima, è difficile immaginare che il generatore di immagini non avrà un ruolo ambizioso di guadagno.

In ogni caso, il fatto che il nuovo generatore di immagini di OpenAI abbia superato notevoli ostacoli tecnici ha alzato il livello per altre aziende di IA. Secondo Raskino, per superare questi ostacoli sono stati necessari molti dati specifici, come milioni di immagini in cui il testo è visualizzato correttamente in molte angolazioni e orientamenti diversi. Ora i generatori di immagini della concorrenza dovranno essere all’altezza di questi risultati per tenere il passo.

“Il ritmo dell’innovazione dovrebbe aumentare”, afferma Raskino.