我開始明白谷歌的視覺人工智能模型的名字是從哪裡來的，因為在玩了幾天之後，我可以把它總結為：香蕉。它產生的圖像非常逼真，香蕉。我盯著香蕉看了很長時間。如果我必須找出 Nano Banana Pro 的照片看起來比之前的 AI 拍得真實得多的一個原因，那就是：它們看起來像用手機攝像頭拍攝的照片。
當然，如果你去找他們，他們會在那裡告訴你。拍攝本文頂部這對夫婦在城市人行道上的照片（不是真實的！）。背景中的路燈在我看來不太對勁，一些建築的外牆——尤其是那些離背景較遠的外牆——看起來有點奇怪和水平。但是如果我在社交媒體上滾動瀏覽這張照片怎麼辦？我不會把它當作人工智能來計時。拍攝對像看起來很現實，但我認為它的賣點是圖像不太完美。
明亮、平坦的曝光、寬廣的景深、略顯脆脆的細節：這一切都讓我驚嘆於手機相機。流行 iPhone 相機應用 Halide 的聯合創始人 Ben Sandofsky 對此表示同意。在上面人工智能生成的渡船圖像中，他指出，“你在智能手機照片中遇到的激進的圖像銳化。這是一種視覺技巧，有助於圖像‘流行’。”手機照片的另一個標誌是什麼？ “大多數人工智能生成的照片看起來非常乾淨。這些照片中的紋理看起來像是來自微型智能手機傳感器。”
那麼谷歌的人工智能從哪裡獲得手機照片的感知呢？ Google Photos 似乎是一個明顯且存在嚴重問題的地方，但 Gemini 應用程序的全球傳播經理 Eliza Lawal 表示：“我們不會將 Google Photos 用於 Nano Banana。”他還告訴我，Nano Banana Pro 並不是專門專注於打造手機攝像頭的外觀。 “最大的改進之一是它可以連接到谷歌搜索，”他說。如果系統提示您創建有關今天天氣的信息圖，它可能會查看溫度 – 以前，您必須在提示中包含更多此類信息。
根據拉瓦爾的說法，這僅限於文本搜索，而不是圖像搜索。但這是可以做到的 去拿吧 現實世界的信息本身就是一個關鍵因素。 Nano Banana Pro 非常擅長向圖像添加在該上下文中有意義的元素 – 即使您從未專門要求它們。它可以添加歷史元素，例如時代服裝和汽車。還添加了水印 西北多重上市服務 當我被要求為西雅圖的一棟假房子創建一個假 Zillow 列表時。更好地理解作業並在沒有提示的情況下添加這些小細節。
圖片：Nano Banana Pro
我向 Gemini 詢問了 Zillow 的一份位於西雅圖西部的白色油漆和黑色裝飾的工匠風格住宅的清單。它返回了描述該地點的純文本單詞列表，但在另一個提示下，我使用 Nano Banana Pro 創建了一個圖像來配合描述。我並沒有特別要求這一點，但其中包含的圖像版權所有 2023，這很荒謬，看起來就像您在大西雅圖地區找到的每張房地產照片上的水印。有趣的是，這不是當前的標誌，而是之前的版本，我 2018 年買的房子的每張照片上都是一樣的。
我向 Google 詢問 Nano Banana 是在哪裡提出的，DeepMind 產品經理 Naina Risinghani 表示這是一種幻覺，並給出了這樣的聲明：“Nano Banana Pro 在字符一致性、圖像生成和基於搜索的準確性方面提供了重大升級。雖然這是我們迄今為止最準確的圖像模型，但我們鼓勵使用正確的圖像模型。再試一次，下一次嘗試通常會產生更符合您意圖的結果。”問題是，為房地產列表服務添加水印似乎完全按照模型預期的方式工作。
不管有沒有水印，我猜“出售”標誌上的小字可能會暴露它是人工智能，還是前廊上的盆栽看起來有點太完美了？儘管我知道這房子不是真的，但我很難相信它不是真的。如果我在房地產網站上看到它，我不會再考慮它，而且水印肯定有助於將其作為真實產品出售。如果人工智能如此擅長模仿那些表明照片是真實的東西，那麼伙計們：我們完蛋了。
這對我來說很重要：AI 說檢測很困難，而 Nano Banana 更擅長模擬小細節，使圖像看起來更真實。我們得到了一些模糊的提示來想像它 邊緣 報導現場活動的記者；它添加了麥克風等細節 邊緣 記者手中的Logo和屏幕下方的Chiron。沒有拼寫錯誤或外星人的字符。沒有六個手指的手。人工智能並沒有被明確地表現出來，而且有太多的小細節無法將其作為真正的交易來出售。
一年前，甚至幾個月前，我以為未來有一天，我認為相信我在網上看到的來源不明的任何照片或視頻都是不明智的，除非另有證明。這個練習讓我確信那一天不是將來的事，而是未來的事。現在就在這裡。相應地調整你的人工智能雷達，如果它讓你有點瘋狂，不要感到驚訝。
