Il prossimoProssima guida
Suggerimenti socratici che fanno sì che l'intelligenza artificiale ti insegni
Intelligenza artificiale linguistica
GUIDA ALL'AI linguistica
La richiesta di un modello con capacità di visione funziona meglio quando l'utente pone una domanda specifica sull'immagine e fornisce qualsiasi contesto pertinente.
Ascolta questa guidaNarrato dall'IA · ~3 min
I modelli possono descrivere e interpretare il contenuto visivo, ma potrebbero leggere erroneamente il testo, conteggi approssimativi o fraintendere i grafici, quindi le osservazioni importanti dovrebbero essere confrontate con l'immagine.
Un'utile richiesta immagine abbina l'input visivo a un compito concreto: descrivere una caratteristica, leggere una regione di testo, confrontare due oggetti o spiegare un elemento del grafico. Aggiungi un contesto che cambi l'interpretazione, ad esempio cosa significano le etichette o quale area conta, e separa le osservazioni dalle conclusioni. "Leggi la data stampata nell'angolo in alto a destra" è più facile da verificare che "raccontami tutto su questo documento". Se una risposta è importante, chiedi l'esatto testo visibile o la prova specifica utilizzata dal modello, quindi ispeziona tu stesso quella parte. Funzionalità e limiti dipendono dal modello e dal prodotto. L’attuale guida alla visione API di OpenAI afferma che i modelli con funzionalità visiva possono descrivere immagini, leggere testo visibile e rispondere a domande su oggetti e proprietà visive. Avverte inoltre che i modelli possono leggere erroneamente testo di piccole dimensioni, contenuti ruotati, stili di grafici, posizioni spaziali e conteggi approssimativi; alcuni ridimensionamenti delle immagini si verificano anche nei dettagli originali. Le sue impostazioni di dettaglio differiscono in base al modello e la documentazione consiglia i dettagli originali per i modelli supportati quando sono necessari dettagli visivi precisi o OCR. Questi sono dettagli API specifici di OpenAI, non impostazioni universali per tutti i sistemi di visione. Utilizzare lo strumento come ausilio per l'ispezione e non come sostituto della misurazione o del giudizio di esperti. Fornisci un'immagine chiara e sufficientemente dettagliata, ritagliala in un'area rilevante se l'interfaccia lo supporta e poni una domanda alla volta quando il compito visivo è complesso. Per le immagini mediche o di altro tipo ad alto rischio, non considerare la descrizione di un modello come una diagnosi o una decisione finale. Verifica testo, conteggi, coordinate e valori del grafico con un metodo affidabile quando la precisione è importante. Menzionare l’incertezza invece di forzare il modello a inventare una lettura definita da un’immagine poco chiara.
Un utente chiede a un modello di trascrivere un'etichetta visibile da una foto chiara del prodotto, quindi confronta il testo citato con l'immagine originale.
Uno studente chiede i valori in corrispondenza dei punti indicati in un grafico e fornisce il significato della legenda anziché richiedere una conclusione generale non supportata.
Un impiegato condivide uno screenshot e indica le due celle i cui valori visualizzati devono essere confrontati.
Un viaggiatore chiede la traduzione di una voce del menu, quindi verifica il nome incerto del piatto con un'altra fonte.
I modelli di visione miglioreranno probabilmente nella lettura e nell’interpretazione delle immagini, mentre gli strumenti specializzati di OCR, misurazione e ispezione rimarranno utili laddove la precisione è essenziale. Le dimensioni delle immagini supportate, i controlli dei dettagli e le limitazioni del modello continueranno a variare a seconda delle versioni. Richieste specifiche e verifiche dirette dovrebbero rimanere parte del flusso di lavoro, soprattutto quando un errore potrebbe incidere su una persona o su una decisione costosa. I team dovrebbero mantenere un percorso di verifica non basato sull'intelligenza artificiale per le letture critiche. La documentazione del prodotto deve essere ricontrollata man mano che i modelli disponibili cambiano.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
La richiesta di un modello con capacità di visione funziona meglio quando l'utente pone una domanda specifica sull'immagine e fornisce qualsiasi contesto pertinente. I modelli possono descrivere e interpretare il contenuto visivo, ma potrebbero leggere erroneamente il testo, conteggi approssimativi o fraintendere i grafici, quindi le osservazioni importanti dovrebbero essere confrontate con l'immagine.
La guida consiglia di chiedere informazioni su una particolare regione o caratteristica in modo che la risposta possa essere verificata direttamente.
Una specifica richiesta di punto e il significato della legenda rendono la domanda visiva concreta e più facile da verificare.
OpenAI documenta che l'oggetto approssimativo conta come limitazione; i conteggi importanti dovrebbero essere controllati rispetto all'immagine di origine.
La guida sconsiglia di trattare la descrizione dell'immagine come una diagnosi o una decisione finale ad alto rischio.
OpenAI documenta i dettagli come controllo di preelaborazione i cui valori disponibili dipendono dal modello.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Suggerimenti socratici che fanno sì che l'intelligenza artificiale ti insegni
Intelligenza artificiale linguistica