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 （２）
AIによる画像解析機能について検証してみようとした記事の第2弾です。
前回は「折れ線グラフ」を食べさせてみました。
今回は「ポスター」です。
比較対象としているAIについては前回記事をご参照ください。
今回はイベント案内用ポスター画像
今回使うのは以下から拝借した画像です。
結果と考察
まずは結果を披露します。
今回は、出来の悪かった順に紹介してみましょう。
まずは、Copilot君。2001年7月5日のイベントを扱っていること、連絡先電話番号やQRコードが掲載されていることなどはちゃんと読み取れていますが、その先がいけません。ちょっと、どうしちゃったのでしょう？ どこから「ひたちなか」でてきた？ どこから鹿島でてきた？ 当該の画像ではなく、何か勝手に別のものを検索してきて眺めているようです。これは落第と言わねばならないでしょう。
ChatGPTは、前回の折れ線グラフと同様に踏み込みが足りない印象を受けます。Copilot同様、2001年7月5日のイベントを扱っていること、連絡先電話番号やQRコードが掲載されていることなどはちゃんと読み取れていますが、ここまで行ったら「オリンピック聖火リレー」にまで言及してほしかったところです。それと、色の認識が何か変ですね。
Claude３が出してきた回答こそが合格最低ラインではないでしょうか。やっと「東京2020オリンピック聖火リレー」という文言を見ることができました。規制予定時間が４つ設けてあることや、リレールート・迂回推奨ルートが示されていることには言及がありませんでしたが、まあ許容できる範囲と言えるでしょう。
今回の最優秀選手賞はGeminiに与えるべきでしょうね。最も詳細な説明を返してきました。細部の正確性にも問題はないようです。その上、関連ウェブページのリストまで返してくるというきめ細やかさ。前回のグラフのデータの読み取りでは残念なところを見せてしまったGeminiですが、今回は大丈夫でした。図形の読み取りはできるが、細かい座標の認識は得意ではないということなのでしょうか。
暫定評価
このような目的には今のところGeminiが適任と言えそうです。前回に続きCopilotは微妙な結果。ChatGPTとClaudeは「無難」。
ほぼ全滅だった「折れ線グラフ」よりはマシな結果となりましたが、それでもまだこれからという感じですね。特にWindows標準装備のCopilotのパフォーマンスが寂しい。残るテストで汚名返上してもらいたいものです。
次回は「実写写真」の解析結果を取り上げる予定です。お楽しみに。
この記事が気に入ったらサポートをしてみませんか？