Como é que as ferramentas de mapeamento de IA compreendem a intenção do utilizador?

As ferramentas de mapeamento de IA compreendem a intenção do utilizador como se estivessem a jogar uma versão avançada de "adivinha o que estás a desenhar". É interessante notar que estas ferramentas não se limitam a copiar sugestões textuais, mas utilizam redes neuronais complexas para descodificar as mensagens ocultas na linguagem humana. Por exemplo, quando o utilizador introduz "desenhar uma selfie de Lu Xun em frente à Torre de Cantão", o Manus não só tem de compreender as caraterísticas da imagem de Lu Xun enquanto figura histórica, como também tem de compreender as caraterísticas do estilo fotográfico moderno de "selfie". Tem também de compreender as subtilezas do estilo fotográfico moderno da "selfie", incluindo a composição, a luz e até a sensação de aleatoriedade deliberada. Por detrás desta capacidade de compreensão está uma grande quantidade de dados de formação e modelos de análise semântica.

Processo de mapeamento de palavras-chave para elementos visuais

Se olharmos com atenção para o trabalho da Manus na marca CoLe Tea Drinks, veremos que demonstra uma capacidade espantosa de compreender o contexto. A ferramenta não só identifica o conceito central de "bebida de chá", como também o associa automaticamente às preferências estéticas do mercado jovem - verde claro para frescura e laranja para vitalidade, uma escolha de cores que tem claramente em conta as caraterísticas psicológicas do grupo de utilizadores-alvo. Além disso, até sabe como utilizar padrões de folhas e laranjas para sugerir os ingredientes do produto, e este tipo de capacidade de associação de conceitos cruzados está bastante próximo da forma de pensar dos designers humanos.

Por outro lado, existem limites óbvios para o que as ferramentas de desenho de IA podem compreender. No teste, quando lhe foi pedido que criasse uma selfie "deliberadamente banal", Manus foi capaz de completar a tarefa, mas o processo foi claramente mais trabalhoso do que teria sido se tivesse de lidar com exigências convencionais. Isto sugere que as IAs actuais são melhores a lidar com critérios estéticos claros e têm mais dificuldade em compreender expressões artísticas que não são convencionais e irónicas. Isto não é difícil de compreender - afinal, há muito mais amostras de "bom trabalho" nos dados de treino do que exemplos de trabalho "deliberadamente mau".

Avanços na compreensão multimodal

As capacidades que o Manus demonstrou no caso da correspondência de móveis do IKEA foram particularmente impressionantes. Este tipo de compreensão multimodal, que combina o reconhecimento de imagens, a pesquisa na Web e o planeamento de espaços, representa a mais recente direção de desenvolvimento das ferramentas de desenho da IA. Imagine que, quando diz "arrumar esta sala ao estilo escandinavo", a IA não só tem de compreender o que é o estilo escandinavo, como também tem de considerar uma série de factores, como a estrutura do espaço existente, o tamanho da mobília, o esquema de cores, etc. - este tipo de capacidade de avaliação abrangente era inimaginável nas ferramentas de desenho da IA há dois anos. Este tipo de capacidade de avaliação abrangente era inimaginável nas ferramentas de desenho com IA há dois anos.

Naturalmente, estes avanços trazem também novos desafios. Tal como se verificou nos testes, as tarefas complexas podem demorar 10 a 30 minutos a concluir com uma qualidade inconsistente. Isto recorda-nos que parece haver uma espécie de compromisso entre a profundidade de compreensão da intenção do utilizador por parte da IA e a eficiência da execução. À medida que os modelos se tornam mais complexos, a questão de como melhorar a capacidade de resposta mantendo a profundidade de compreensão será uma questão fundamental para os programadores.

No final, a compreensão que a atual ferramenta de mapeamento de IA tem da intenção do utilizador é como um estudante de arte em processo de aprendizagem - pode compreender rapidamente requisitos técnicos claros, mas para as expressões subtis que requerem contexto cultural e ressonância emocional, ainda precisa de mais "experiência de vida! ". Mas, a julgar pela tendência de ferramentas como o Manus, este "estudante" pode estar a progredir muito mais depressa do que pensávamos.