画像解析のGPT-4Vがまだ来ない・・ので関連情報収集(ChatGPT部、大城)

ChatGPT部 Produced by NOB DATA

おはようございます、ChatGPT部、部長の大城です。最近ようやく福岡も少し涼しくなってきましたが皆様いかがお過ごしでしょうか。

ChatGPTの画像を解析する機能、今年の3/14くらいにOpenAI社のエンジニアの方がデモをして度肝を抜かれたわけですが、おそらくその機能が数日前に段階的に公開されたようです(GPT-4V)。3-4日前にリリースされて今後2週間でChatGPTプラスの有料ユーザーには届くよ、とのことでしたので数日待っていたわけですが、例によってまだ私の方の２アカウントには届いていませんでした・・。

ということで今日は他の人がGPT-4Vをどのように使っているのか、について情報を集めようと思います。



2024/3/14くらいのOpenAI社のデモ

多分、私が最初に画像解析機能やべーとおもったのがこちらのデモですね。手書きのラフスケッチからWebサイトのコード生成。

上記動画より切り取りますと、まずこちらの手書きのラフスケッチが・・

ChatGPTの画像認識能力で、Webサイトのコードを生成してブラウズ可能な状態に。

3/14ごろの投稿なので、半年前とかですかね。いやー、いつ来るのかとずっと待ってました (まだ私の環境では手元でさわれないですが・・w)


GPT-4VについてWeb記事やTwitterから

Javaのきしださん

きしださん、速攻で色々実験されててブログにまとめられてますね。
(しかし自己紹介がアマチュア驚き屋・・笑)

きしださんのブログから１部分参照させていただくとこんな感じ。この画面が自分の環境ではまだ出ないんですよね・・

そして手書きからのコーディングも再現されてました。

いやー、すごい。未来感あります。


Twitter記事をいくつか

「GPT-V4」でTwitter検索して調べてみましょう。

回路図読めるんですか・・

天下一品の看板が自動運転車の画像認識だと一時停止と勘違いする問題、をGPT-4Vで解かせてみた投稿

iPhoneの電卓を実装させた話。最初twitterにこれが流れてきてかなり驚いた記憶があります

ゲーム画面開設。これで次のコマンドの指示とかを何かのインターフェースで繋げば、自動プレイもできますね

アプリ版にもきてる人は来てるみたいです。これとARグラスとか組み合わせるとかなり捗りそう。

間違い探しはまだ苦手な模様 (私も別のAIでウォーリーをさがせを実験しましたが、そのときもうまくいきませんでした )

マーケターとしての考察。夢が広がります

所感と今後の個人的展望

いやー、すごいですね。ChatGPTに「目」が搭載されて、デジタルヒューマンへの3歩目、という感じがしました。
(頭脳がGPT-3.5や4の1歩目、プラグイン等のインターネット接続で2歩目、に続く3歩目で視覚や実は聴覚も）

余談ですが先日元ヤフーでその後EmbodyMe社を立ち上げられたイッセーさんにお会いする機会があったのですが、イッセーさんも「デジタルヒューマンは来るでしょ」的なことをおっしゃっていたので、今回のGPT-4Vの画像認識はその一端なんだろうなぁという気がしています。

またtweetの最後のマーケティングへの利用は驚愕ですね。間違い探しもそうですが、「現在の性能」でそのポテンシャルですので、これが今後ChatGPT-5とか6が出てきた頃にはおそらく一般人はおろか、専門家でも太刀打ちが難しいレベルになるのでは、という予感すらします。
( とはいえ、ChatGPTを運用するには電気代がめちゃかかるので多分時給1000円とか2000円のタスクなら、人間でやった方が安いよね、とはなりそうです。プログラムを書かせて安い電力で回す、これまで誰も発見していなかった新法則を探索させる、とかはありかもしれませんが )

個人的展望

ひとまず、過去にGoogle Bard, Bing搭載のGPT-4の画像認識でテストした内容と、GPT-4Vを比較してみたいなと思っています。これでどこまで精度がでるか、ですね。

https://note.com/chatgpt_nobdata/n/n82b871e0d706

iPhoneが登場した時の驚きも大きかったですが、いずれにせよイノベーションが起きている時代にリアルタイムに遭遇できる、というのはテンションが上がりますね。ということでみなさんもどうぞ良いChatGPTライフを・・！(大城)

この記事が気に入ったらサポートをしてみませんか？