深度學習一直是 AI 領域中主要的發展趨勢。而位置舊金山的 Open AI 最近開發了一套可判讀敘述性文字內容並自動生成對應圖像的系統「DALL.E」。
該公司負責人指出「DALL.E」是把西班牙超現實藝術家代表達利（Salvador Dalí ，1904-1989）和皮克斯動畫電影《瓦力（Wall-E）》結合起來，認為 DALL-E 具備理解文字意涵，並將該文字連結到合適的圖像，加以整合成為一幅作品。
例如：你輸入這段文字。一隻穿著西裝的皮卡丘騎著單輪車的插圖（ an illustration of a pikachu in a suit riding a unicycle）。
DALL-E 系統將可以辨識這段文字中「皮卡丘」、「西裝、「單輪車」、「插畫」，並理解這些概念的因果關係，知道是皮卡丘穿著西裝騎在單輪車上，並創造出如下的圖像結果：
又如這個：穿著芭蕾舞短裙的熊貓寶寶揮舞著藍色光劍。DALL-E 可以理解光劍且是藍色的，由一隻小熊貓來揮動。
辨識系統可以用到更多範圍上，包含地理空間和時間。
例如下圖，你可以指定照片的位置地點與時間帶。我們經常使用 Google 之類的照片辨識系統，而透過越來越細緻精密的系統，或許更能馬上找出那個需要的關鍵在何時、何地、何方。
該公司表示，DALL-E 系統仍有一些缺陷且需要改進的地方。該系統在辨識各文字之間的關係時以及指定對象的屬性時，有時關連性仍會混亂，例如「在橋上」又同時「在橋下的水面上有天鵝經過」等等，而且當提示 寫入的字符串越長，成功率越低，
所以我們必須讓 DALL-E 理解每個條件文句之間的關係，有時是他們的空間並稱且連續的。例如：「戴紅色帽子，黃色手套，藍色襯衫和綠色褲子的刺猬」。為了正確地解釋這句話，
DALL·E 不僅必須正確地將每件服裝與動物組成，而且還必須形成關聯性（帽子是紅色）、（手套是黃色）、（襯衫是藍色）和（褲子是綠色），而且穿戴的位置是帽子在頭上、手套在手上、衣服在上半身，而褲子在下半身。
理解並辨識照片中文化意涵的認知，例如辨識「中國食物」時，DALL-E 需要辨識知道這個照片屬於「食物」，而且屬於中國文化。
DALL·E 是一個文字辨識與圖像學習系統，透過對於文字單詞的理解並重新解模，並根據條件句中的單詞從中找尋合適且對應的圖像進行辨識。或許，隨著 AI 深度學習的更進一步發展，未來我們可以透過文字或語言的幻想來操作視覺概念了，並將之具體化落實在現實設計中。
或許以後設計老闆說：「這邊的天空要藍一點，但又不要太藍，就是那種心情被遮蔽，光線穿不透打不開心房的那種藍」，這裡要有 60％後現代風加上 35％ 復古風，再加 5％超現實藝術感覺時，
你就把他交給 DALL-E 去處理。
SOURCE
https://openai.com/blog/dall-e/
https://thenextweb.com/neural/2021/01/06/say-hello-to-openais-dall-e-a-gpt-3-powered-bot-that-creates-weird-images-from-text/
http://big5.ftchinese.com/story/001090931?exclusive
