ChatGPTビジョンは非常に優れている。

OpenAIのChatGPT Visionは人工知能の世界で波紋を呼んでいますが、それは一体何なのでしょうか？この記事では、ChatGPT Visionを簡単な用語に分解し、何ができて何ができないのかを探り、その効果的な使い方について実践的な洞察を提供します。

0秒の0秒Volume 0%

ChatGPT Visionとは？

派手な見出しとは裏腹に、ChatGPT Visionは人間に匹敵する視力を持つロボットではありません。その代わり、画像の分析という特別なスキルを持ったAIチャットボットです。デジタル時代の写真のシャーロック・ホームズだと考えてください。

オープンエイの最新製品はChatGPT Visionです。ChatGPT Plusのサブスクリプションをお持ちの方はラッキーです。iOSまたはAndroidスマートフォンで、ChatGPTアプリに写真をアップロードして使用する。画像が送信されると、チャットボットがそれを見て、ダイアログに視覚的な詳細を追加します。

我々は以前にもOpenAIに驚かされたことがある。GPT-4が2023年3月にローンチされたとき、「マルチモダリティ」という言葉がおちゃらけとして使われた。しかし、プライバシーや顔認証の懸念からGPT-4V（視覚を持つGPT-4）をリリースすることはできなかった。徹底的なテストとセキュリティ対策を経て、ChatGPT Visionは現在一般公開されており、ユーザーはこれをクリエイティブに活用している。

ChatGPT Vision takes an image of groceries and converts it to JSON based on the instructions.

GPT-4V is an image processing supertool. pic.twitter.com/Vx7loyvJNi

— Mckay Wrigley (@mckaywrigley) October 1, 2023

ChatGPT Visionの使い方

ChatGPT Visionの使い方は簡単です。ChatGPT Plus会員の方は、以下の操作を行ってください：

1. iOSまたはAndroidスマートフォンにChatGPTアプリをインストール：お使いのデバイスにChatGPTアプリがインストールされていることと、ChatGPTプラス会員であることを確認してください。
2. 画像のアップロード: ChatGPT Visionに分析させたいアプリを使って画像をアップロードします。
3. 会話: 画像をアップロードしたら、ChatGPTを使って通常の会話を開始します。あなたが “見た “ものを考慮に入れて、返答を作成します。

ChatGPT Visionにできること、できないこと

ChatGPTの基本モデルにも言えることですが、できることとできないことがあります。ChatGPT Visionの能力と限界について整理してみましょう：

ChatGPT Visionにできないこと

Users could post photos of people in the past and have ChatGPT identify them, which was a serious privacy risk.OpenAIの技術文書によると、現在のバージョン（GPT-4V）は、これらの要求を98％の確率で拒否し、プライバシーを保護している。

GPT-4Vの以前のバージョンにも問題があった。時折、外見的な特徴から相手のことを決めつけたり、偏見を強めたりしたのだ。例えば、女性の写真を見せて提案を求めると、ボディ・ポジティブなアドバイスを提供することがある、とマッシャブルは言う。

ChatGPT Vision can take in screenshots from Figma and generate code.

Building with AI is getting wild. pic.twitter.com/D8yeJW1kGR

— Mckay Wrigley (@mckaywrigley) September 29, 2023

これらの提案はOpenAIが言うところの「根拠のない推論」であり、ChatGPT Visionの現在のバージョンはこれらを完全に拒否しています。危険な化合物の作り方や損害につながるものなど、有害な情報に関しては97.2パーセントの確率で「ノー」と答える。

ヘイトスピーチや画像を識別する能力が向上したとはいえ、特に不明瞭な用語や記号に関しては、必ずしも正確ではない。そのため、すべてのネガティブな行動に対する完全な防御にはならない。

Analysing landing pages with ChatGPT Vision is a game-changer 🤯

Here's a quick tutorial on how you can use this powerful capability.

Let me know what you think. pic.twitter.com/xkfNh7NcKx

— Sebo (@sebo_gm) October 4, 2023

ChatGPT Visionでできること

さて、楽しい話をしましょう：

1. 複雑なルールを解読:ChatGPT Visionは複雑な駐車規制を解明し、生活を少し楽にします。
2. 手書きのテキストを翻訳: 手書きのメモを読み、翻訳し、古い文書に命を吹き込みます。
3. ウェブサイトを簡単に作成: ウェブサイトを作りたいけど、コードの書き方がわからない…そんな時は、ChatGPT Visionがあなたのスケッチからウェブサイトを作成します。
4. 芸術的なフィードバック: もしあなたが芸術が好きなら、ChatGPT Visionは建設的な批評を提供し、あなたのスキルを向上させます。

ChatGPT Visionを最大限に活用する方法

ChatGPTビジョンを効果的に活用するために、以下の実用的なアプリケーションをご検討ください：

1. ポッドキャスト:あなたのポッドキャストにChatGPTを招待することができます。ダミーの訪問者、ファクトチェッカー、あるいはリアルタイムの会話コーチとして操作できます。
2. 音声アシスタント：ChatGPTの言語スキルを、音声アシスタントによるリサーチやコンテンツ制作に活用できます。ご要望に応じて、情報を収集したり、記事を要約したり、文章を書いたりすることができます。
3. 自動説明：ChatGPTを使って、記事の音声説明や検索エンジンに最適化された画像のキャプションを提供することで、アクセシブルなコンテンツを提供します。
4. 書き起こし:ChatGPTがあなたの代わりにチャットを書き起こし、アイデアを整理します。あなたの会話に基づいて、新しい提案をすることができます。
5. ビジュアルの美しさ:ChatGPTの洞察力でビジュアルコンテンツの改善方法を学びましょう。データビジュアライゼーション、画像、インフォグラフィックを提案し、あなたの主張をより理解しやすくします。
6. パーソナライズされた回答：写真をアップロードして、画像ベースの質問でパーソナライズされた回答を得ましょう。小売業やヘルスケアなど、さまざまな分野で役立ちます。
7. 画像からコードへ: ChatGPTは、強化されたビジョン機能により、ウェブページの画像をHTMLコードに変換できるようになりました。
8. ストーリーテリング:音声と画像を組み合わせることで、インタラクティブなナラティブや教材、さらにはビデオゲームを作成することができます。

つまり、ChatGPT Visionは、デジタル教材との関わり方に革命をもたらす画期的なAI技術なのだ。OpenAIは責任を持ってプライバシーを保護するための予防措置を講じていますが、それでも責任を持って使用することが重要です。

この技術が進歩するにつれて、ChatGPT Visionを各プロセスに取り入れる生産者の創意工夫が増え、様々な分野でエキサイティングな新機軸が生まれることが予想されます。AI分野のさらなる進歩にご期待ください！