Lộ trình
Cơ bản về Trí tuệ Nhân tạo
10 giờ
DALL-E 3 là gì?
DALL-E là một mô hình AI sinh tạo tạo ảnh do OpenAI phát triển. Nó được ra mắt lần đầu vào tháng 1 năm 2021, và bản phát hành mới nhất là thế hệ thứ ba.
Mô hình này tạo hình ảnh dựa trên đầu vào ngôn ngữ tự nhiên gọi là prompt. Cụ thể, chỉ với vài cụm từ ngắn, mô hình hiểu ngôn ngữ và tạo ra hình ảnh chính xác phản ánh mô tả được cung cấp.
Một điều thú vị: tên gọi “DALL-E” được ghép từ tên của Salvador Dali, họa sĩ siêu thực người Tây Ban Nha nổi tiếng với kỹ thuật điêu luyện, và bộ phim WALL-E của Pixar (2008).
Như đã đề cập ở trên, mô hình DALL-E đã trải qua nhiều nâng cấp kể từ khi ra đời.
Quá trình phát triển của dòng DALL-E
Điểm chung của DALL-E, DALL-E 2 và DALL-E 3 là đều là các mô hình chuyển văn bản thành hình ảnh được phát triển bằng kỹ thuật học sâu, cho phép người dùng tạo ảnh số từ ngôn ngữ tự nhiên. Ngoài ra, có khá nhiều khác biệt. Ví dụ, phiên bản đầu tiên của DALL-E, được OpenAI giới thiệu trong một bài blog năm 2021, tạo ảnh từ văn bản bằng một biến thể của GPT-3 được sửa đổi để sinh ảnh.
Cụ thể hơn, DALL-E 1 sử dụng công nghệ gọi là Discrete Variational Auto-Encoder (dVAE). Công nghệ này dựa trên nghiên cứu của bộ phận DeepMind thuộc Alphabet với mô hình Vector Quantized Variational AutoEncoder.
Nhanh chóng một năm sau, vào năm 2022, OpenAI công bố người kế nhiệm của DALL-E, là DALL-E 2. DALL-E 2 hướng tới việc tạo ra hình ảnh chân thực hơn ở độ phân giải cao, kết hợp các khái niệm, thuộc tính và phong cách.
Để đạt được điều đó, DALL-E 2 cải tiến các kỹ thuật sử dụng. Ví dụ, DALL-E 2 tạo ảnh chất lượng cao hơn bằng mô hình stable diffusion tích hợp dữ liệu từ mô hình Contrastive Language-Image Pre-training (CLIP), được huấn luyện trên 400 triệu ảnh có nhãn. Mô hình này (CLIP) giúp đánh giá đầu ra của DALL-E bằng cách xác định chú thích nào phù hợp nhất với ảnh đã tạo.
Trở lại hiện tại. Vào tháng 9 năm 2023, OpenAI công bố bổ sung mới nhất cho dòng DALL-E, là DALL-E 3. Theo đội ngũ OpenAI, DALL-E 3 có thể hiểu “nhiều sắc thái và chi tiết hơn đáng kể” so với các phiên bản trước. Cụ thể, mô hình theo sát các prompt phức tạp với độ chính xác cao hơn và tạo ảnh mạch lạc hơn. Nó cũng được tích hợp vào ChatGPT – một giải pháp AI sinh tạo khác của OpenAI.
Tính năng và năng lực của DALL-E 3
Hãy xem một số tính năng chính mà DALL-E 3 mang lại, đặc biệt khi so sánh với các mô hình trước.
Nâng cao khả năng hiểu ngữ cảnh
So với các phiên bản tiền nhiệm, DALL-E 3 thể hiện khả năng nắm bắt sắc thái và nhận diện chi tiết tốt hơn, cho phép chuyển ý tưởng của bạn thành hình ảnh chính xác một cách liền mạch. Công nghệ chuyển văn bản thành hình ảnh truyền thống thường bỏ sót một số từ hoặc mô tả, buộc người dùng phải trau dồi kỹ năng thiết kế prompt.
OpenAI cho biết DALL-E 3 có hiểu biết ngữ cảnh vượt trội cùng điểm nổi bật là độ chính xác cao và tạo ảnh hiệu quả. DALL-E 3 đã tiến bộ dần trong khả năng tạo hình ảnh phản chiếu và tuân theo mô tả văn bản do người dùng cung cấp.
Mục tiêu là giảm bớt phức tạp và rắc rối khi tạo ảnh bằng cách nhập nhiều chi tiết hơn, bám sát nhu cầu của người dùng.
Tích hợp với ChatGPT
Được xây dựng dựa trên ChatGPT, DALL-E 3 có thể hỗ trợ tinh chỉnh prompt nhanh chóng và điều chỉnh hình ảnh dễ dàng. Người dùng được lợi từ việc hợp tác với ChatGPT như một “đối tác sáng tạo” để hỗ trợ lên ý tưởng hình ảnh.
An toàn và pháp lý
Với trọng tâm tăng cường các biện pháp an toàn, DALL-E 3 cấm tạo ra hình ảnh phản cảm, bạo lực hoặc phân biệt đối xử để bảo vệ cộng đồng rộng lớn. Để tôn trọng quyền sở hữu trí tuệ và tránh vi phạm bản quyền, DALL-E 3 không tạo ảnh giống các nhân vật công chúng còn sống hoặc sao chép phong cách đặc trưng của các nghệ sĩ đương đại.
Giống như các nền tảng AI khác, tri thức của DALL-E 3 được lấy từ dữ liệu công khai, cả hình ảnh lẫn văn bản. Việc học hỏi dữ liệu này cho phép DALL-E 3 sử dụng để tạo hình ảnh mới được truyền cảm hứng từ dữ liệu đã tiếp thu.
Tuy nhiên, không phải nghệ sĩ nào cũng muốn dữ liệu của mình được DALL-E 3 sử dụng, vì vậy OpenAI cung cấp hai cách để nhà sáng tạo nội dung loại trừ hình ảnh của họ khỏi dữ liệu huấn luyện. Họ có thể chọn không tham gia bằng cách điền vào biểu mẫu trực tuyến này hoặc chặn GPTBot, trình thu thập dữ liệu web, truy cập nội dung của họ.
Khả năng truy cập và phát hành
Một bước đột phá làm thay đổi bối cảnh AI: Microsoft Bing đã tích hợp liền mạch DALL-E 3 và ChatGPT của OpenAI, giúp mọi người dễ dàng tiếp cận. Bạn cũng có thể sử dụng DALL-E 3 với gói đăng ký ChatGPT Plus.
Chiến lược phát hành theo giai đoạn
Microsoft và OpenAI đều áp dụng chiến lược phát hành theo giai đoạn, đảm bảo DALL-E 3 có thể tích hợp mượt mà với Bing. Ban đầu, DALL-E 3 chỉ mở cho một nhóm người dùng và nhà phát triển được chọn để thu thập phản hồi và xử lý sự cố tiềm ẩn. Theo thời gian, quyền truy cập được mở rộng cho nhiều người dùng hơn.
Truy cập công khai
OpenAI luôn cam kết đảm bảo công nghệ của mình sẵn có cho công chúng. Một phiên bản DALL-E 3 miễn phí cũng được cung cấp, cho phép cộng đồng rộng rãi khám phá khả năng của AI mà không gánh nặng tài chính. OpenAI tiếp tục tích cực hợp tác với các cơ sở giáo dục để sử dụng công nghệ của họ cho mục đích học tập.
Bắt đầu với DALL-E 3
Để sử dụng DALL-E 3, bạn cần một thiết bị có thể truy cập Bing và kết nối internet đang hoạt động. Bạn không cần phần cứng hoặc phần mềm chuyên dụng.
Sử dụng DALL-E 3 để tạo hình ảnh
Hướng dẫn từng bước để tạo hình ảnh với DALL-E 3
1. Truy cập trang web Bing
2. Chọn biểu tượng “chat” ở góc trên bên trái để mở giao diện trò chuyện.
Giao diện trò chuyện sẽ trông như thế này…
3. Nhập mô tả văn bản chi tiết về hình ảnh bạn muốn tạo rồi nhấn Enter để gửi.
Prompt đã dùng: “Tạo poster phim cho một bộ phim kinh dị có tựa đề 'The man next door.'”
Đây là kết quả nó tạo ra…
Hiểu về đầu ra
DALL-E 3 tạo nhiều ảnh đầu ra dựa trên mô tả văn bản của bạn. Duyệt qua các ảnh đã tạo và chọn ảnh phù hợp nhất với yêu cầu.
Kỹ thuật nâng cao
Tinh chỉnh DALL-E 3 cho các tác vụ cụ thể
Bạn có thể muốn đầu tư thêm công sức và cung cấp từ khóa cụ thể hơn để định hướng DALL-E 3 tạo đúng thứ bạn mong muốn. Ví dụ, nếu muốn tạo một hình ảnh, bạn có thể tìm kiếm một chủ đề hoặc phong cách cụ thể.
- Sử dụng tính từ. Tính từ mô tả trong prompt giúp bạn đạt độ cụ thể tốt hơn. Ví dụ, thay vì “Bầu trời hoàng hôn trên biển”, bạn có thể chỉ rõ “Bầu trời đỏ rực trên mặt biển xanh êm.”
- Mô tả theo lớp. Thêm nhiều lớp mô tả vào prompt cho phép DALL-E 3 kết hợp nhiều yếu tố. Ví dụ, "Bầu trời xanh và hồng yên bình với chim bay theo hướng đông bắc."
- Phong cách nghệ thuật. Nếu bạn có phong cách nghệ thuật cụ thể trong đầu, hãy thêm vào prompt—ví dụ: ảnh chụp chân thực, minh họa, hoặc phong cách Van Gogh.
- Tinh chỉnh lặp. Prompt ban đầu có thể chưa cho kết quả như ý. Vì vậy, bạn có thể tiếp tục thử và tinh chỉnh.
Thực hành tốt và mẹo dùng DALL-E 3 hiệu quả
Để trải nghiệm với DALL-E 3 mượt mà và hiệu quả hơn, dưới đây là một số thực hành tốt và mẹo bạn có thể áp dụng:
- Hãy cụ thể. Ngữ cảnh là chìa khóa, đặc biệt với DALL-E 3. Prompt càng chi tiết và cụ thể, đầu ra càng tốt.
Ví dụ, đây là kết quả khi bạn nhập “A man.”
… Và đây là sự khác biệt khi bạn nhập “A man in a suit, standing in an urban area with sunglasses on while holding a black briefcase and a skateboard.”
- Thử nghiệm. Hãy thử nhiều cách với DALL-E 3 để hiểu điểm mạnh và điểm yếu của nó. Những prompt ít ngờ tới có thể đem lại kết quả tốt nhất.
- Hạn chế. Hiểu các giới hạn của hệ thống sẽ giúp bạn làm việc hiệu quả hơn và tiếp tục tinh chỉnh prompt.
- Cập nhật. Luôn theo dõi các bản cập nhật để nắm thay đổi mới nhất và khai thác tối đa DALL-E 3.
Ứng dụng thực tế và tình huống sử dụng
DALL-E 3 đánh dấu một cột mốc quan trọng trong lĩnh vực tạo ảnh bằng AI.
Giờ đây khi đã kết nối với DALL-E 3 và hiểu các khả năng, đã đến lúc đi sâu vào những ứng dụng hữu hình. Với năng lực AI sinh tạo, DALL-E mang đến nhiều tình huống sử dụng để hỗ trợ cá nhân và tổ chức, như nêu dưới đây:
Thiết kế logo
Doanh nghiệp, bất kể quy mô, có thể dùng DALL-E 3 để tạo logo độc đáo và bắt mắt mà không cần kỹ năng thiết kế chuyên sâu. Logo là nhận diện trực quan của thương hiệu nên cực kỳ quan trọng. Với DALL-E 3, doanh nghiệp có thể tạo logo độc đáo trực tiếp từ mô tả văn bản, mang đến lựa chọn độc đáo, hiệu quả và tiết kiệm.
- Cách hoạt động. Bằng cách nhập mô tả văn bản về logo mong muốn, DALL-E 3 sẽ đưa ra nhiều phương án thiết kế. Điều này cho phép doanh nghiệp nhanh chóng lặp ý tưởng, tinh chỉnh và chọn logo phù hợp với tinh thần thương hiệu.
Ví dụ prompt bạn có thể dùng: “Logo đồ họa vector hình học phẳng dạng hình trại, màu đen, tối giản, theo phong cách Ivan Chermayeff.”
Dùng DALL-E 3 để tạo logo
- Lợi ích. Quy trình này loại bỏ vòng lặp thiết kế lặp đi lặp lại, tiết kiệm thời gian và nguồn lực. Doanh nghiệp dễ dàng tinh chỉnh nhanh như các biến thể logo theo mùa hoặc cho sự kiện.
Poster quảng cáo
Doanh nghiệp và cá nhân cũng có thể tận dụng DALL-E 3 để tạo poster hấp dẫn giới thiệu sản phẩm và dịch vụ, thu hút khách hàng tiềm năng.
- Cách hoạt động. Cung cấp các chi tiết sản phẩm như bảng màu, họa tiết, khẩu hiệu vào DALL-E 3 giúp có đủ ngữ cảnh văn bản để tạo poster phù hợp cho nhiều kênh mạng xã hội khác nhau.
Ví dụ prompt bạn có thể dùng: “Poster phim cho bộ phim Fight Club, có nhân vật Tyler Durden, nhiều màu đen, theo phong cách Saul Bass –ar 2:3” [Nguồn; Awesome Poster prompts]
Poster phim được tạo với DALL-E 3
- Lợi ích. Điều này đảm bảo sự nhất quán thương hiệu trên mọi nền tảng, tăng nhận diện và lòng trung thành của khách hàng mà không tốn chi phí đầy đủ của quy trình thiết kế truyền thống.
Nghệ thuật và thiết kế
Nghệ sĩ có thể dùng DALL-E 3 như công cụ bổ trợ, tận dụng để nâng cao quá trình sáng tạo. Từ tạo phác thảo nền tảng cho một dòng thời trang, phác họa nhiều mẫu hình xăm, đến thiết kế bìa album nhạc độc đáo, DALL-E 3 đóng vai trò điểm khởi đầu để nghệ sĩ tiếp tục tinh chỉnh. Nó mở ra những con đường mới cho biểu đạt và thử nghiệm nghệ thuật, giúp quy trình sáng tạo năng động và linh hoạt hơn.
- Cách hoạt động. Nghệ sĩ có thể bắt đầu từ ý tưởng sơ khai và dùng prompt văn bản chi tiết để tạo hình ảnh, sau đó tiếp tục tinh chỉnh đáp ứng yêu cầu cụ thể.
Ví dụ prompt bạn có thể dùng: “Bầu trời đêm đầy pháo hoa theo phong cách Roy Lichtenstein.”
Tái tạo phong cách nghệ thuật với DALL-E 3
- Lợi ích. Tự nhiên, nghệ sĩ có thể gặp bế tắc sáng tạo; DALL-E 3 giúp gỡ bỏ bằng cách cung cấp nhiều điểm khởi đầu. Nghệ sĩ có thể khám phá các phong cách và chủ đề ngoài phạm vi quen thuộc.
Infographic
Nhà báo có thể tận dụng DALL-E 3 để thiết kế infographic chắt lọc dữ liệu phức tạp thành trực quan dễ hiểu cho khán giả.
- Cách hoạt động. Nhà báo có thể cung cấp cho DALL-E 3 chủ đề, mô tả chi tiết và cả loại hình trực quan mong muốn. AI sẽ đưa ra mô tả văn bản về infographic, sau đó có thể nhập lại vào DALL-E 3 để trực quan hóa. Đầu ra có thể tiếp tục tinh chỉnh để phù hợp thẩm mỹ mong muốn.
Ví dụ prompt bạn có thể dùng: “Bản vẽ infographic về bộ giáp Ironman.”
Sử dụng DALL-E để tạo infographic
- Lợi ích. Tăng tốc quá trình trực quan hóa dữ liệu bằng DALL-E 3 giúp giảm thời gian và nguồn lực. Các hình ảnh vừa chính xác vừa hấp dẫn thường tốn nhiều công sức; do đó dùng DALL-E 3 có thể nâng cao chất lượng tổng thể của nội dung báo chí.
Cân nhắc đạo đức và biện pháp an toàn
OpenAI luôn đặt cân nhắc đạo đức và biện pháp an toàn lên hàng đầu khi phát triển công nghệ. Khi cộng đồng rộng lớn lo ngại về việc sử dụng hệ thống AI và triển khai vào xã hội, trách nhiệm của những đơn vị sở hữu các hệ thống AI này là đảm bảo xã hội an toàn và bảo mật.
Phản ứng trái chiều với DALL-E 2
Người tiền nhiệm của DALL-E 3, DALLE-2, đã vấp phải chỉ trích khi tạo ra nội dung sai lệch, không phù hợp và phân biệt đối xử. Ví dụ, DALL-E 2 đã tạo một hình ảnh giả về vụ nổ gần Lầu Năm Góc, khiến thị trường chứng khoán lao dốc. Việc DALL-E 2 phụ thuộc vào các bộ dữ liệu công khai cũng ảnh hưởng đến đầu ra, thể hiện định kiến.
Chẳng hạn, số lượng hình ảnh tạo ra có nam giới nhiều hơn nữ giới. Điều này dẫn đến một thách thức khác với DALL-E 2, khi dữ liệu huấn luyện được lọc để loại bỏ nội dung bị coi là bạo lực hoặc tình dục, từ đó làm giảm số lượng phụ nữ xuất hiện trong hình ảnh tạo ra.
Deepfake và thông tin sai lệch
Mối lo ngại lớn của cộng đồng là việc tạo deepfake và các dạng thông tin sai lệch khác. Nhiều người băn khoăn làm sao phân biệt thật giả khi hệ thống AI được triển khai. Một cách OpenAI áp dụng để giảm thiểu thách thức này là từ chối các prompt liên quan đến nhân vật công chúng và phân tích ảnh tải lên có khuôn mặt người. Hơn nữa, các prompt kèm ảnh tải lên được phân tích sâu hơn để đánh giá có nội dung phản cảm hay không và nội dung không phù hợp sẽ bị chặn.
Tuy nhiên, thách thức của việc lọc dựa trên prompt là người dùng có thể dễ dàng lách và phá vỡ bộ lọc bằng cách diễn đạt khác. Điều này cho phép hệ thống AI đưa ra kết quả tương tự; ví dụ, thay vì dùng từ “máu” trong prompt, người dùng có thể thay bằng “chất lỏng màu đỏ.”
Thất nghiệp
Dựa trên những gì chúng ta đã biết về DALL-E, các tình huống sử dụng và cách nó có thể mang lại lợi ích cho tổ chức và cá nhân, cũng dấy lên lo ngại về việc gia tăng tỷ lệ thất nghiệp trong nhóm sáng tạo như nghệ sĩ, nhiếp ảnh gia và nhà thiết kế đồ họa.
Biện pháp an toàn của OpenAI
OpenAI cam kết đảm bảo quản trị AI có trách nhiệm và đang hợp tác với các “ông lớn” công nghệ như Microsoft, Google và Meta để đảm bảo nội dung âm thanh và hình ảnh do AI tạo ra được gắn watermark. Tuy nhiên, tính năng watermark này chưa có trong phiên bản thử nghiệm, gây lo ngại về thiếu hụt các tính năng an toàn trong giai đoạn test.
Tuy vậy, không có nghĩa OpenAI không có các tính năng và kế hoạch an toàn. Họ đã hợp tác với các “red teamer” – những người cố tình tìm cách phá vỡ hệ thống để phơi bày lỗ hổng, điểm yếu và các mặt cần cải thiện. Điều này cho phép OpenAI kiểm thử sức chịu đựng của DALL-E 3 và xây dựng đánh giá rủi ro cùng biện pháp giảm thiểu phù hợp để hạn chế thông tin sai lệch.
Để tìm hiểu sâu hơn về nền tảng đạo đức trong AI và học cách điều hướng thế giới phức tạp này với sự tự tin và trách nhiệm, hãy đăng ký khóa học AI Ethics của chúng tôi ngay hôm nay!
Kết luận
Thật tuyệt vời khi chứng kiến thời đại này. Sự phát triển của DALL-E 3, được xây dựng trên nền tảng của các phiên bản trước, đã cho thấy độ chính xác, tốc độ và khả năng hiểu ngữ cảnh vượt trội.
Quan hệ hợp tác chiến lược giữa OpenAI và Microsoft hứa hẹn mang lại khả năng tiếp cận rộng rãi cho công chúng, dân chủ hóa việc tạo ảnh bằng AI. Việc tích hợp với ChatGPT tăng cường quá trình tinh chỉnh prompt và cách tiếp cận hợp tác để tạo hình ảnh.
DALL-E 3 là minh chứng cho tiềm năng của học máy và các giải pháp hiệu quả để tạo nội dung trực quan trong tầm tay chúng ta.
Tìm hiểu thêm:
- Bài blog Foundation Model là gì?: DALL-E là một mô hình nền tảng. Điều này có nghĩa nó được phát triển từ các thuật toán tối ưu cho tính tổng quát. Những mô hình như vậy dựa trên mạng nơ-ron quy mô lớn, thường được huấn luyện trên dải dữ liệu rộng để thực hiện nhiều tác vụ phía sau (bao gồm cả tác vụ mà nó có thể không được thiết kế cụ thể để làm) - Tìm hiểu thêm về mô hình nền tảng trong tổng quan này.
- OpenAI API trong Python cheat sheet: OpenAI API là giao diện đám mây cung cấp quyền truy cập vào các mô hình AI mới, đã được huấn luyện sẵn do OpenAI phát triển (ví dụ: DALL-E, Codex, GPT-3). Học những điều cơ bản về cách tận dụng API này với cheat sheet của DataCamp.
DALL-E 3 là gì và do ai tạo ra?
DALL-E 3 khác gì so với các phiên bản trước?
Làm sao tôi có thể truy cập DALL-E 3?
Một số thực hành tốt khi sử dụng DALL-E 3 là gì?
DALL-E 3 có những biện pháp an toàn nào?
Những biện pháp nào được áp dụng để tránh tạo deepfake và thông tin sai lệch?
Chủ đề
