Microsoft ha revertido su última actualización de Bing Image Creator, volviendo a una versión anterior del modelo DALL-E después de quejas generalizadas de los usuarios sobre la reducción de la calidad de la imagen.
La actualización de diciembre de 2024 presentó PR16, una nueva versión de DALL-E 3 de OpenAI, con promesas de renderizado más rápido y fidelidad visual mejorada. Sin embargo, los comentarios de los usuarios revelaron fallas significativas en los resultados del modelo, lo que llevó a Microsoft a restaurar el modelo PR13 anterior mientras investigaba los problemas.
En esencia, DALL-E 3 es un modelo avanzado de generación de imágenes capaz de crear imágenes a partir de descripciones de texto detalladas. La integración de Microsoft de DALL-E 3 en Bing Image Creator permite a los usuarios generar imágenes personalizadas directamente dentro de la interfaz de búsqueda de Bing. El sistema también incluye funciones como”impulsos”, que priorizan solicitudes específicas de los usuarios para un procesamiento más rápido.
PR16: Una actualización prometedora que no dio en el blanco
Cuándo Microsoft integró PR16 en Bing Image Creator, enfatizó la velocidad y las mejoras visuales Jordi Ribas, vicepresidente corporativo de búsqueda e inteligencia artificial de Microsoft. , explicó, “la evaluación comparativa interna encontró que la calidad del PR16 es un poco mejor en promedio”que la del PR13. La actualización fue parte de los esfuerzos de Microsoft para mejorar su ecosistema de IA mediante la integración de capacidades avanzadas de DALL-E 3 de OpenAI.
A pesar de estas afirmaciones, las experiencias de los usuarios divergieron significativamente de las garantías de Microsoft. En plataformas como Reddit y X (anteriormente Twitter), los usuarios describieron las imágenes generadas por PR16 como”sin vida”,”caricaturescas”y carentes de detalles.
No sé a quién crees que estás engañando con esto. DALL-E es objetivamente peor que nunca después de esta”actualización”y otras empresas como Google lo están superando. Es absolutamente día y noche comparar la calidad de la imagen actual con la de hace apenas un par de meses pic.twitter.com/EdSdk7aign
— hacia afuera (@ roccinoxi) 19 de diciembre de 2024
Las quejas específicas incluyeron imágenes demasiado iluminadas, texturas fuera de lugar, y tonos de color antinaturales, como los omnipresentes tonos verdes. Un usuario de Reddit describió su decepción al afirmar que el modelo ya no coincidía con la experiencia que tenían. disfrutado anteriormente con DALL-E.
Los problemas con elementos visuales complejos, como patrones de encaje y ropa en capas, fueron particularmente pronunciados. Un usuario que intentó generar un personaje de estilo anime destacó que PR16 renderizó imágenes en una calidad mucho menor usando exactamente el mismo mensaje.
Desafíos de renderizado más amplios con DALL-E 3
Si bien Microsoft enfrentó importantes críticas por su lanzamiento PR16, los problemas no se limitaron a Bing Image Creador. Desde noviembre de 2024, los usuarios de la integración ChatGPT de OpenAI con DALL-E 3 han informado fallas de renderizado similares, incluidas distorsiones de color, mala colocación de texturas y anomalías de iluminación.
Las observaciones del foro de la comunidad OpenAI revelan que estos problemas no tienen su origen en el modelo DALL-E 3 en sí, sino en los sistemas intermedios responsables de traducir las indicaciones del usuario en instrucciones de representación.
Según un análisis detallado en el foro, los problemas probablemente se deben a fallas en el análisis rápido y en los canales de comando. El sistema de traducción de indicaciones en DALL-E PR16 parece introducir ambigüedades que conducen a resultados inconsistentes.
Por ejemplo, las indicaciones que involucran estilos de ropa complejos, como vestidos rococó o diseños de lolita gótica, a menudo resultan en patrones fuera de lugar, texturas incorrectas y desviaciones estilísticas.
Curiosamente, estos problemas no son universales. Plataformas como Coze.com, que utilizan un canal de integración alternativo para DALL-E 3, han evitado en gran medida los fallos de renderizado observados en Bing Image Creator y ChatGPT. Esta discrepancia sugiere que los problemas residen en los sistemas intermedios específicos utilizados por OpenAI y Microsoft, más que en el modelo central de IA.
La respuesta de Microsoft y la reversión
Tras reconocer los comentarios de los usuarios, Microsoft inició una reversión a PR13. Ribas anunció la decisión en X, afirmando: “Gracias de nuevo por los comentarios y la paciencia. Hemos podido [reproducir] algunos de los problemas informados y planeamos volver a PR13 hasta que podamos solucionarlos. Desafortunadamente, el proceso de implementación es muy lento. Comenzó hace más de una semana y tardará entre 2 y 3 semanas más en llegar al 100%.”
La reversión ya está parcialmente completa, con usuarios Pro y alrededor del 25% de las solicitudes impulsadas ahora usan PR13. la reversión gradual refleja las complejidades de actualizar sistemas de IA a gran escala, especialmente cuando se abordan canales profundamente integrados como los de Bing Image Creator.
Implicaciones más amplias para la IA Implementación
Las luchas de Microsoft con PR16 se hacen eco de desafíos similares que enfrentan otros gigantes tecnológicos al implementar modelos avanzados de inteligencia artificial. Por ejemplo, a principios de 2024, Google tuvo que suspender las funciones de generación de imágenes de su chatbot Gemini después de la crisis. La herramienta produjo resultados racialmente ofensivos e históricamente inexactos.
Estos incidentes resaltan las dificultades inherentes a la hora de alinear los avances de la IA con las expectativas de los usuarios, especialmente para aplicaciones creativas como las de imagen. generación.
Los sistemas de inteligencia artificial como DALL-E 3 dependen de múltiples capas de procesamiento para interpretar y ejecutar las indicaciones del usuario. Si bien las capacidades del modelo central siguen siendo sólidas, las fallas en los sistemas intermedios pueden socavar significativamente el rendimiento. El caso ilustra que incluso pequeñas desalineaciones en el análisis rápido o en los canales de renderizado pueden resultar en una insatisfacción sustancial del usuario.
Sin embargo, el lanzamiento de PR16 reveló desafíos sistémicos para mantener la coherencia: problemas como la mala colocación de las texturas, problemas de fidelidad del color y la iluminación. Los artefactos resaltan el delicado equilibrio entre mejorar la velocidad y garantizar la precisión en el renderizado. Estos desafíos se ven exacerbados por la creciente complejidad de las indicaciones de los usuarios, que a menudo combinan descripciones estilísticas y de materiales intrincadas.
Si bien la evaluación comparativa proporciona información valiosa sobre el rendimiento técnico, las aplicaciones del mundo real a menudo revelan problemas que las pruebas internas no pueden predecir.
Además, las discrepancias entre plataformas como Coze.com y Bing Image Creator sugieren que perfeccionar los sistemas intermedios es fundamental para mejorar el rendimiento general.
Abordar estos desafíos requiere más esfuerzos de colaboración entre desarrolladores, integradores de plataformas y usuarios finales para garantizar que los sistemas de IA cumplan con las expectativas técnicas y estéticas.
