مایکروسافت دنیای تصویر سازی هوش مصنوعی را متحول کرد!

ماه گذشته، بخش هوش مصنوعی مایکروسافت از سیستم تبدیل متن به تصویر اختصاصی خود با نام MAI-Image-1 رونمایی کرد. اکنون، طبق گفته «مصطفی سلیمان» مدیرعامل Microsoft AI در شبکه اجتماعی X، این مدل رسماً در Copilot فعال شده است. مایکروسافت این سیستم را پیشرفتی بزرگ نسبت به نسخه‌های قبلی توصیف کرده و کاربران می‌توانند بلافاصله از آن استفاده کنند؛ بدون نیاز به لیست انتظار طولانی یا فعال‌سازی تنظیمات آزمایشی. کافی است Copilot را در نسخه وب یا دسکتاپ باز کرده تا تولید تصاویر را آغاز کنند.

مشخصات مدل MAI-Image-1 مایکروسافت

مدل MAI-Image-1 با هدف ایجاد خروجی‌های فوق‌العاده واقعی طراحی شده و توانایی چشمگیری در بازآفرینی جزئیات پیچیده، به‌ویژه در ترسیم دست‌ها، نشان می‌دهد؛ جزئیاتی که همواره یکی از نقاط ضعف ابزارهای پیشین بوده است. این مدل از تولید تصویر براساس متن (Text-to-Image) و همچنین ویرایش مستقیم عکس پشتیبانی می‌کند و ابزارهای اصلاحی مشابه با آنچه در DALL-E وجود دارد، در اختیار کاربر می‌گذارد. کاربران در حال حاضر آن را به‌صورت عمومی آزمایش می‌کنند و بازخوردهای اولیه بسیار مثبت بوده است.

اهمیت این پیشرفت در آن است که MAI-Image-1 نخستین مولد تصویر هوش مصنوعی کاملاً داخلی مایکروسافت به‌شمار می‌رود؛ یعنی شرکت دیگر وابسته به مدل‌های شخص ثالث مانند DALL-E از OpenAI نیست. این استقلال به مایکروسافت اجازه می‌دهد سرعت توسعه را افزایش دهد، ابزار را دقیق‌تر با Copilot هماهنگ کند و پشتیبانی بهتری از مناطقی ارائه دهد که مدل‌های رقیب مانند گوگل جمینای در آن‌ها محدودیت دارند.

تسترهای اولیه از این مدل با عنوان «پیشرفتی عظیم» یاد می‌کنند و به بهبود محسوس در واقع‌گرایی عکس‌ها، نورپردازی طبیعی‌تر و مهم‌تر از همه، رفع یکی از مشکلات قدیمی هنرهای تولیدشده با هوش مصنوعی یعنی «انگشت‌های عجیب» اشاره دارند. برخی توسعه‌دهندگان نیز گفته‌اند از ثبات و واکنش سریع این مدل شگفت‌زده شده‌اند و آن را برای کارهای مفهومی دقیق، «بسیار کارآمد» دانسته‌اند.

این تحول همچنین نشان می‌دهد که Copilot در مسیر تبدیل‌شدن به یک پلتفرم خلاقانه کامل گام برمی‌دارد، نه صرفاً یک دستیار متنی. نمونه‌های منتشرشده از تصاویر فوتورئالیستی، مانند کلوزآپ‌هایی از دست‌ها در محیط‌های گوناگون یا فنجان قهوه واقعی با بخار قابل‌مشاهده، نشان می‌دهند مایکروسافت فاصله خود را با ابزارهای هنری هوش مصنوعی پیشرو به سرعت کاهش می‌دهد.

چنین پیشرفتی رقابت را در بازاری فشرده که متا، گوگل، گروک و OpenAI در آن برای ارائه بهترین تولیدات تصویری در رقابت‌اند، شدیدتر می‌کند. اگر مایکروسافت با همین سرعت پیش برود، Copilot می‌تواند به مقصد اصلی کاربران برای خلق تصویر تبدیل شود، نه صرفاً ابزاری برای آزمون ایده‌ها.

برای کاربران فعلی Copilot، این تحول بدون نیاز به به‌روزرسانی رخ داده است؛ تنها کافی است به مدل جدید سوئیچ کنند تا از تجربه‌ای ارتقایافته بهره‌مند شوند. چه برای ساخت تابلوهای الهام (mood board)، طرح مفهومی محصول، تصویر بندانگشتی، تصویرسازی یا حتی خلق میم‌های خلاقانه، MAI-Image-1 روند کار را ساده‌تر و سرگرم‌کننده‌تر می‌سازد. از آنجا که این قابلیت مستقیماً درون Copilot ادغام شده، نیازی به استفاده از ابزارهای خارجی نیست و همه‌چیز در همان محیطی انجام می‌شود که کاربر متن خود را وارد می‌کند.

در حال حاضر، MAI-Image-1 در ابزارهای هوش مصنوعی مصرف‌کننده مایکروسافت مانند Copilot و Bing Image Creator فعال است و در بیشتر بازارهای بزرگ از جمله ایالات متحده، بریتانیا، کانادا، استرالیا و چند کشور دیگر که Copilot در آن‌ها از دستورات متنی پشتیبانی می‌کند، دردسترس قرار دارد.

با این حال، مصطفی سلیمان تأیید کرده که عرضه آن در اتحادیه اروپا «به‌زودی» انجام خواهد شد. برای استفاده از آن، تنها کافی است با حساب مایکروسافت وارد شوید، Copilot یا Bing Image Creator را باز کنید و یک دستور برای ایجاد یا ویرایش تصویر وارد نمایید. چون این مدل درون ابزارهای موجود قرار گرفته و وب‌سایت مجزایی ندارد، تجربه کاربری آن همچون یک ارتقای طبیعی احساس می‌شود، نه یک نرم‌افزار جدید برای یادگیری.

مایکروسافت اعلام کرده در آینده نزدیک، دامنه انتشار این مدل را به مناطق و زبان‌های بیشتر گسترش خواهد داد و آن را در پلتفرم‌های گوناگون نیز ادغام می‌کند. واکنش‌های اولیه کاربران نشان می‌دهد قدرت اصلی این مدل در جزئیات فوتورئالیستی، نورپردازی دقیق و آناتومی طبیعی‌تر است. بنابراین انتظار می‌رود شرکت در نسخه‌های بعدی، جریان‌های ویرایش تصویر را بهبود دهد، کنترل‌های سبکی بیشتری بیفزاید و شاید امکان انتخاب مدل‌های مختلف را هم فراهم کند. به بیان دیگر، این عرضه نقطه پایان نیست؛ بلکه آغاز مسیر تازه‌ای است که در آن مایکروسافت به‌صورت جدی وارد حوزه تولید تصویر می‌شود و هر به‌روزرسانی جدید می‌تواند مسیرهای خلاقانه‌تری را در Copilot پیش روی کاربران بگشاید.