Darmowa wersja ChatGPT nauczyła się generować obrazy. Swoboda twórcza czy źródło niepokoju?

OpenAI ogłosiło kolejną dużą zmianę w ChatGPT. Od teraz użytkownicy mogą generować z jego pomocą obrazy – również w darmowej wersji. Nowa funkcja oparta na modelu GPT-4o ma oferować wyraźniejsze i bardziej precyzyjne grafiki niż wcześniejszy DALL·E 3.

GPT-4o – obrazy od ręki, bez płacenia

OpenAI oficjalnie udostępniło funkcję generowania obrazów wszystkim użytkownikom. Także tym, którzy korzystają z darmowego planu ChatGPT. Wystarczy wpisać polecenie tekstowe, a chatbot wygeneruje ilustrację, często w zaledwie kilkanaście sekund. Nowa funkcja działa dzięki modelowi GPT-4o, który – jak twierdzą twórcy – znacznie lepiej niż jego poprzednicy radzi sobie z renderowaniem tekstu, rozpoznawaniem kontekstu i odwzorowaniem relacji między obiektami.

GPT-4o potrafi przypisać konkretne cechy nawet 20 unikalnym elementom na jednej grafice, co dotąd było dużym wyzwaniem dla modeli obrazowych. Zmiana dotyczy również edycji. Użytkownicy mogą modyfikować przesłane zdjęcia, zmieniając ich tło lub szczegóły, wykorzystując wyłącznie opis tekstowy.

Jak zaznacza OpenAI, „to nowy poziom swobody twórczej”. Wszystkie generowane grafiki oznaczane są metadanymi C2PA, by możliwe było śledzenie ich pochodzenia.

Nowe możliwości, nowe zagrożenia

Choć funkcja budzi entuzjazm, nie wszyscy są zadowoleni. Jak zauważa brytyjski programista Simon Willison, w tzw. system card GPT-4o znalazła się kontrowersyjna informacja:

– W momencie uruchomienia nie blokujemy możliwości generowania dorosłych osób publicznych, ale zamiast tego wdrażamy te same zabezpieczenia, które wdrożyliśmy do edycji obrazów fotorealistycznych przesyłanych osób.

OpenAI deklaruje, że nie pozwala na generowanie treści erotycznych, przemocowych czy przedstawiających nieletnich. Jednak jednocześnie możliwość tworzenia realistycznych obrazów osób publicznych budzi poważne obawy o nadużycia, w tym tworzenie deepfake’ów. Zwłaszcza jako funkcja dostępna dla każdego.

W system card jedynie wspomniano o opcji rezygnacji z bycia odwzorowanym przez model – bez wskazania procedury. To zdecydowanie za mało, biorąc pod uwagę skalę potencjalnych zagrożeń.

GPT-4o i afera Ghibli: gdzie kończy się inspiracja, a zaczyna plagiat?

Szczególnie głośno zrobiło się o możliwościach GPT-4o po tym, jak sieć zalała fala obrazów inspirowanych stylistyką znanego japońskiego Studia Ghibli. Użytkownicy masowo generowali kadry przypominające sceny ze znanych filmów animowanych, takich jak Spirited Away czy Księżniczka Mononoke.

Szybko pojawiły się pytania o prawa autorskie. Zdaniem prawnika Evana Browna z kancelarii Neal & McDevitt, imitacja stylu niekoniecznie narusza prawo, ale sprawa wciąż pozostaje w tzw. szarej strefie. OpenAI zareagowało błyskawicznie. Obecnie chatbot nie pozwala na generowanie obrazów przedstawiających konkretne postaci z chronionych dzieł, nawet w rozpoznawalnym stylu.

Mimo to tworzenie „inspirowanych” grafik nadal jest możliwe. Choć rezultaty są różne, a samo generowanie potrafi się zatrzymać na etapie renderowania.

Realne konsekwencje i przyszłość generowania obrazów

GPT-4o może na nowo zdefiniować relację między ludźmi a obrazem cyfrowym. Dla artystów i właścicieli praw autorskich to jednak kolejna potencjalna fala problemów.

Nowa funkcja pokazuje, że AI przestaje być jedynie narzędziem do wspierania kreatywności. Coraz częściej ją zastępuje. Tym samym pojawia się pytanie, jak pogodzić postęp technologiczny z odpowiedzialnością i ochroną twórców.

Inną AI, która budzi kontrowersje związane z generowaniem obrazów, jest Gemini 2.0 Flash – przeczytaj więcej o nowym asystencie stworzonym przez Google.