Images 2.0 by ChatGPT: l’intelligenza artificiale che “pensa” le immagini

Lo scorso aprile ChatGPT ha lanciato Images 2.0: il nuovo modello per la generazione di immagini. Basta dare un’occhiata alla presentazione ufficiale di OpenAI - disponibile online - per rendersi conto che è stato fatto un passo in avanti importante.

La pagina web offre una carrellata di immagini che sembra uscita dalle migliori riviste, diverse tra loro e tutt’altro che similari a quelle cui siamo soliti dare udienza con l’IA generativa.

E poi l’infografica che ricorda quella delle riviste cartacee, con il titolo Introducing ChatGPT Images 2.0 in bella vista, accompagnato da una grafica che ricorda le opere di Mondrian rese ancora più iconiche da uno stilista visionario quale Yves Saint Laurent.

Insomma, la nuova “opera” di OpenAI si dimostra visionaria già nella presentazione, con una sofisticatezza che vuole essere un richiamo alla bellezza e alla qualità che solo l’arte più alta conosce.

Una peculiarità descritta con toni più concreti da Il Sole 24 Ore il quale afferma che “la creazione visiva diventa parte naturale del dialogo con ChatGPT: non più prompt isolati, ma un processo continuo fatto di correzioni, aggiustamenti e iterazioni.”

Images 2.0 viene definito come un tool che “pensa” le immagini, ma cosa vuol dire, nel concreto? Analizziamolo insieme.

ChatGPT Images 2: cos’è. Una definizione

Partiamo dalla base: cos’è Images 2.0 by ChatGPT. Si tratta del nuovo modello di generazione immagini sviluppato da OpenAI e integrato direttamente in ChatGPT.

A differenza dei sistemi precedenti, non è concepito come uno strumento separato dedicato esclusivamente alla creazione di immagini: rappresenta una componente nativa del modello linguistico.

Per dirlo in parole semplici, il sistema conversa con l’utente generando immagini in un modo sostanzialmente analogo a quanto fa con gli elementi testuali.

Il sistema è il medesimo, giusto per essere ancora più chiari. Non a caso il nome completo è ChatGPT Images 2.0 e non soltanto Images 2.0.

Perché è innovativo

Images 2.0 non funziona come un tradizionale generatore text-to-image che trasforma un prompt in un output visivo. Interpreta la richiesta facendo leva sulle medesime capacità linguistiche utilizzate durante la conversazione.

Ciò implica anche che ha memoria del contesto e delle istruzioni che gli sono state date. È qualcosa a cui ci siamo già abituati, come utenti, per testi e ricerche, ma che nella generazione di immagini è uno sviluppo importante.

Attenzione, non è una novità assoluta, a cambiare è il grado di integrazione tra conversazione e generazione visiva.

Dal punto di vista tecnico, OpenAI presenta Images 2.0 come un tool multimodale e in grado di comprendere e produrre contemporaneamente testo e immagini all'interno dello stesso processo.

In sintesi, Images 2.0 by ChatGPT è innovativo in virtù di tre aspetti. Vediamoli nel dettaglio.

Passaggio dall’azione al contesto

Il modello è in grado di interpretare il contesto: è intorno a tale fattore che focalizza i suoi ragionamenti.

Comprende gli elementi di natura spaziale, la ripartizione gerarchica a livello visivo, l’intenzione narrativa delineata nel prompt.

L’immagine viene generata conversando

Può sembrare scontato, dal momento che si parla pur sempre di un programma di IA generativa, eppure non è così.

È attraverso tale dinamica conversazionale che si ha modo di affinare maggiormente la singola immagine: non bisogna più avviare il processo dall’inizio come da prassi nei tool di questo tipo. Non serve interagire ogni volta da capo.

Testo leggibile all’interno delle immagini

Per anni l’inserimento di parole e frasi all’interno delle immagini ha rappresentato uno dei limiti più evidenti dell’IA generativa in chiave visual, tra lettere deformate, parole prive di senso (le famose “allucinazioni”), errori ortografici e impaginazioni incoerenti.

Images 2.0 compie un passo avanti importante perché gestisce testo e componente visiva come parti dello stesso processo, a fronte di una maggiore precisione realizzativa.

Il risultato è una maggiore efficienza nella realizzazione di tutti i formati visivi: infografiche, locandine, post social, ecc. L’intervento di editing risulta dunque fortemente limitato.

Perché si parla di un modello che “pensa” le immagini

La parola scelta da OpenAI per descrivere il nuovo tool è un verbo, ovvero “think”, “pensare”. Ma cosa vuol dire? A cosa si riallaccia questo pensare? Vediamolo insieme:

• A una maggiore reattività nel ragionamento, non nell’azione: Images 2.0 lavora sul contesto e lo interpreta per produrre output ad alta complessità.
• A una comprensione delle relazioni tra gli elementi sulla scena: il modello riesce a interpretare elementi differenti quali testo, gerarchie e collegamenti logici presenti nel prompt.
• A un’integrazione testuale di alto livello: gli stessi risultati fino a questo momento richiedevano l’uso di più programmi.

Images 2.0 vs Nano Banana

Il confronto tra i due modelli di generazione di immagini appare inevitabile e, allo stesso tempo, offre spunti importanti per comprendere meglio le potenzialità del nuovo modello.

Pur essendo indubbiamente Images 2.0 la risposta di OpenAI al tool di Google - Nano Banana, un nome particolarmente riuscito - si tratta di soluzioni diverse.

Alla base c’è infatti un approccio differente, capace di cambiare il modo stesso di creare immagini. Si passa dal compiere un’azione a un processo di matrice conversazionale, non diversamente da quanto avviene nelle ricerche online e nella generazione di ricerche o testi.

C’è anche un altro fattore. Passando da una versione all’altra, Images 2.0 non perde di coerenza e questo è fondamentale quando si lavora sullo storytelling, ovvero nei casi in cui si rivela essenziale approntare una coerenza sia grafica che testuale.

Infine, a differenza di Nano Banana che è un tool a sé stante, Images 2.0 risulta integrato nella piattaforma, è parte di ChatGPT.

In questo si differenzia persino da Gemini, rispetto al quale la differenza risiede, più che nella qualità rilevata nell’output, nella continuatività a livello operativo.

Conclusioni su Images 2.0 by ChatGPT: l’impatto per marketing e creatività

Tra i cambiamenti più significativi introdotti da Images 2.0 by ChatGPT troviamo quelli relativi all’editing, che è meno invasivo e meno “distruttivo”, più mirato.

Non c’è bisogno ogni volta di ripensare l’immagine come se fosse un canovaccio da cui trarre ispirazione: non serve cambiare i connotati all’immagine, basta intervenire soltanto su alcune parti. Questo perché la base è già più che soddisfacente.

Ciò comporta una minore perdita di tempo e la possibilità di spaziare a 360°, soprattutto se si lavora in maniera analitica sul prompt: occorre ragionare a fondo con il tool.

Un modo di lavorare che chi lavora nella comunicazione conosce bene perché la fase realizzativa è spesso la più veloce; è quella analitica e strategica che richiede maggiore attenzione e non di rado più tempo di elaborazione.

Se la base conversazionale è solida, anche quella generativa lo sarà. Ed è questo il cambiamento che distingue Images 2.0: è questa direzione conversazionale e di indagine quella che si rivela più foriera di sviluppi futuri e di riflessione.