Chcesz obrazek, idź do konkurencji. Leniwa AI to najsprytniejszy ruch Google'a

Generowanie obrazów z użyciem sztucznej inteligencji takiej jak Gemini to czasem zabawa w ciuciubabkę. Można myśleć pół dnia nad tym, jak przygotować prompt, aby ująć w nim od razu wszystko, co niezbędne, ale często i tak efekty będą niezadowalające. Z doświadczenia z AI od Google’a zaś wiem, że próby dokonania poprawek wyglądają jak rozmowy z nieogarniętym studentem-stażystą.

Przy odpowiedniej dozie determinacji da się przymusić Gemini do roboty. Zwykle, gdy pracuję nad tekstem i obrazem jednocześnie, model po jakimś czasie upiera się, iż nie ma dostępu do generatora grafik (nawet jeśli już je generował w tym samym oknie). To typowa halucynacja chatbota od Google’a, który gubi szerszy kontekst przy długich rozmowach, ale skutki bywają zabawne. I fascynujące.

Przy dłuższych wątkach sprawa często kończy się odmową wygenerowania obrazu, a Gemini zamiast oczekiwanej od niego grafiki serwuje mi czysty tekst. Nie byłoby w tym nic dziwnego, gdyby nie fakt, że… podpowiada, abym skorzystał z takich rozwiązań jak np. Midjourney (dostaję gotowy prompt) albo Canva (wypluwa instrukcję, co mam sam sobie wyklikać).

Po kolejnym zapytaniu o to, dlaczego Gemini nie wygeneruje obrazu samodzielnie, ten albo znów serwuje mi litanię wymówek, albo bierze się do pracy i robi grafikę (tudzież generuje prompt do wklejenia w innej instancji chatbota), ale sam z siebie tego zwykle nie proponuje. I mogłoby się wydawać, że z perspektywy korporacji to uchybienie, ale w tym szaleństwie chyba jest metoda.

Jeśli korzystamy z darmowej wersji Gemini, to pomijając fakt, iż oddajemy Google’owi jeszcze więcej swoich danych niż normalnie, każdy nasz kolejny prompt to dla firmy koszt. W przypadku płatnej wersji Gemini niby opłacamy abonament, ale pod koniec miesiąca rozliczeniowego może się okazać, iż nasze zużycie zasobów po stronie serwera przewyższa tę zryczałtowaną kwotę, którą za dostęp uiszczamy.

Sprawdź inne nasze teksty poświęcone Google Gemini:

Odsyłanie użytkownika do innych generatorów grafik to całkiem sprytne zagranie. Z jednej strony Gemini może udawać, że jest pomocny, jak tylko się da (a nie jest, bo wymaga od nas dodatkowych akcji), a z drugiej zachęca nas do tego, by… przepalać zasoby sprzętowo-programowe konkurencji Google’a. A jeśli dzieje się to w większej skali, to może mieć wpływ na te całe „korporacyjne wojny”.

Tak jak jednak wspomniałem, finalnie zawsze jesteśmy w stanie poradzić sobie z tym problemem. Możemy albo użyć zaproponowanego narzędzia, albo szybko przymusić Gemini do pracy (w tym samym lub nowym oknie). Bawi jednak to, że model, który zapewne gubi kontekst i halucynuje, najwyraźniej „zapominając”, że sam ma dostęp do opcji generowania obrazów, działa tu na korzyść swoich twórców.

Ciekaw tylko jestem, czy taki był plan od początku, czy po prostu „tak wyszło” przypadkiem ze względu na taką, a nie inną konfigurację aplikacji oraz dostępnych w niej modeli. Tak czy inaczej chapeau bas, Gemini. Nieźle to rozgrywasz.

Grafika główna została wygenerowana z pomocą AI.