AIによる画像解釈はどれくらい使える？ ChatGPT、Claude、Copilot、Geminiを比較してみた （１）
近年、人工知能技術の進化により、AIが画像を読み取り、解釈する能力が目覚ましい進歩を遂げています。特に、ChatGPT、Claude、Copilot、Geminiなどの最先端のAI技術は、この分野でのブレイクスルーとして注目を集めています。しかし、これらの進化したAIツールが実際に実用的なレベルで機能するのか、その実力は本当に期待に応えるものなのでしょうか？
さて、筆者はしばらくの逡巡の後に、「総合的な判断」からChatGPTの有料版ユーザーとなり、それなりに便利に活用しています。しかしながら、他のサービスについても話題沸騰中。課金しなくても画像解析できたりするのなら、そっちに乗り換えるべき？ …などと、悩ましい日々です。
そこで、それぞれのAI技術が提供する画像解釈機能を実際に試し、それぞれのサービスの有用性を比較してみようと思い立ちました。
実験してみた
今回の比較対象は次の4種類のAIです。
AI紹介
まずはChatGPT。言わずと知れたAIブームの牽引役です。ここでは有料版ChatGPT-4を使います。
Microsoft Edgeからボタン一つで呼び出せる、Windows標準(?)のAI。なお、Copilotは回答を求める際に「厳密に」・「バランスよく」・「創造的に」などとオプションが選べますが、ここでは「厳密に」を一応選択しています。しかしながらオプションを変更してみても大筋で大した違いは見られなかったと申し上げておきます。
検索エンジンの雄Googleが満を持して投入してきた注目のAI。前身のBardが華麗に変身。デモ動画が多くの人の度肝を抜きました。Geminiには3つのモデルがあり、課金するとGemini Ultraという凄い奴が使えるようですが、ここではブラウザから無料で使えるGemini Proを使います。
最近とても話題のAI。これもいくつかグレードが存在しますが、今回は無料版のClaude3 Sonnetを使います。
こんな画像を読み込ませてみた
AIに読み込ませてみたのは下に示す4種類の性格の異なる画像です。
本記事では、そのうち「折れ線グラフ」の結果をまとめ、残りについては追って続報記事を作りたいと思います。
結果を見てみる
画像をクリックすると拡大画像を見ることができます。
どのAIも、この画像が折れ線グラフであって月ごとの降水量の変化を表していることは理解できています。
ChatGPTは無難な答えを返そうとしている印象。具体的すぎる解説には踏み込んできません。よくみるとピンクの線と紫の線を混同しているようで、解釈がいまひとつかみ合っていません。深入りした回答を返してきていないため目立ちませんが。いずれにせよ、この回答は人間が大幅に補足をしてやらないと使い物にはならないでしょう。
Copilotは都市の名前を読み取れず。ただ、読み取れなかった事実を謙虚に申告してきたのは好感が持てます。褒められるのはそこまで。この回答もこのままでは使い物にらず、人間がかなりの補足を試みる必要があります。また提示されているURLは全く的外れなもので一つも使い物になりませんでした。
Claudeも残念。まず「波照間」を読み取れませんでした。どこから「浜松」でてきたん？？ しかも、もっともらしく開陳してくれている解説が大間違いではないですか。夏季に降水量がピークなのは博多じゃろ？ それに那覇の降水量の変動はどうみても小さくはない。何かを完全に取り違えています。
驚かされたのはGeminiです。グラフから具体的な数字とを読み取り、それを見せてきたのはこいつだけです。その心意気は評価したい。しかし、解釈結果はほぼ出鱈目です、残念！
暫定評価
正直言いまして、結果はどれも微妙でした。
グラフの解釈に関しては、どのAIもとても仕事につかえるレベルとは言えません。
ただ、それぞれの性格の違いのようなものは垣間見えました。その特性を実用レベルにまで伸ばすよう、各メーカーの奮起を期待したいところです。
本記事は4回シリーズ記事の第1回目です
というところで今回は終わり。他のお題についても結果は出ていて、また違う側面が見えたりもしています。
冒頭に示した他の３イメージについてはそれぞれ独立した記事を作成しています。以下にリンクを提示しますので、ぜひお読み頂きたく思います。
シリーズ続編記事
この記事が気に入ったらサポートをしてみませんか？