Co to jest, czyli seria pytań do AI z poziomu aplikacji mobilnej cz.1

Po jednym z obiadów postanowiłem sprawdzić 3 liderów branży AI i ich apki mobilne pod kątem rozpoznawania obrazu. Wszystkie 3 modele miały za zadanie odgadnąć na co patrzę. Testowym obiektem był garnek z resztką kaszy po obiedzie. Dodatkowo na garnku leżała szklana przykrywka. Co dodatkowo utrudniło zadanie.

Coopilot od MS

Gemini Pro od Google

ChatGPT od OpenAI

Wnioski jakie nasuwają się same.

• Coopilot pogubił się całkowicie. Jest to o tyle dziwne, że korzysta on z modelu GPT4 i DALL-E 3. Nie odgadł ani dania ani naczynia poprawnie.
• Gemini Pro, wypadł nieco lepiej. Odgadnął poprawnie naczynie (garnek ) dodatkowo na kuchence 😉 natomiast nie poradził sobie z daniem w garnku.
• ChatGPT, jako lider poradził sobie bez większego problemu, no może poza rozmiarem garnka, gdyż nazwał go garnuszkiem 😉 Natomiast poprawnie rozpoznał kaszę, dodał również że jest przypalona. Co akurat nie jest prawdą, zmylił go cień w prawej części garnka. Co i tak pokazuje ciekawy sposób myślenia o kompozycji na zdjęciu.