Apple uvoľnil nový model umelej inteligencie s otvoreným zdrojovým kódom s názvom MGIE, ktorý dokáže upravovať obrázky na základe pokynov v prirodzenom jazyku. MGIE, vyvinutý v spolupráci s výskumníkmi z Kalifornskej univerzity v Santa Barbare, využíva multimodálne veľké jazykové modely (MLLM) na interpretáciu príkazov používateľa a vykonávanie manipulácií na úrovni pixelov. Model dokáže spracovať rôzne aspekty úprav vrátane úprav v štýle Photoshopu, globálnej optimalizácie fotografií a lokálnych úprav. MGIE integruje MLLM do procesu úprav obrázkov odvodením expresívnych pokynov zo vstupných údajov používateľa a generovaním vizuálnych predstáv pre požadované úpravy. Dokáže vykonávať širokú škálu scenárov úprav, od jednoduchých úprav farieb až po komplexné manipulácie s objektmi. MGIE je k dispozícii ako projekt s otvoreným zdrojovým kódom na GitHube, pričom k dispozícii je kód, údaje a predtrénované modely. Používatelia si môžu MGIE vyskúšať aj online prostredníctvom webovej ukážky umiestnenej na stránke Hugging Face Spaces. MGIE je prelomovým riešením v oblasti úpravy obrazu na základe inštrukcií, demonštruje potenciál MLLM a otvára nové možnosti multimodálnej interakcie. Je to praktický nástroj na rôzne účely, ktorý umožňuje používateľom vytvárať, upravovať a optimalizovať obrázky. MGIE je ukážkou rastúcich schopností spoločnosti Apple vo výskume a vývoji umelej inteligencie. Aj keď je na zdokonaľovaní multimodálnych systémov umelej inteligencie stále čo robiť, vydanie MGIE naznačuje rýchly pokrok v tejto oblasti a potenciál asistenčnej umelej inteligencie stať sa nepostrádateľným kreatívnym pomocníkom.
