DALL-E

یادتان هست اولین باری که با DALL-E یک تصویر خلق کردید؟ آن لحظه‌ی جادویی که چند کلمه‌ی ساده، در کمتر از یک دقیقه، به تصویری جان‌دار تبدیل شدند که تا پیش از آن فقط در تخیلتان وجود داشت.

در آن روزها حس یک جادوگر قدرتمند را داشتید، نه؟ کلماتی که گوشت و پوست پیدا می‌کردند و ایده‌هایی که به پرواز درمی‌آمدند.

اما حالا چه؟ حالا که صدها تصویر ساخته‌اید، آیا گاهی حس نمی‌کنید آن جادوگر، جایش را به یک قمارباز داده است؟ پرامپتی دقیق را می‌نویسید، تاس را می‌اندازید و فقط امیدوارید که این بار هوش مصنوعی شما را ناامید نکند.

آن حس «کنترل کامل» کجاست؟ چرا DALL-E گاهی مهم‌ترین کلمه‌ی کلیدی شما را نادیده می‌گیرد؟

اگر چنین حسی دارید، بدانید که کاملاً طبیعی است. شما از مرحله‌ی شگفتی اولیه عبور کرده‌اید و به سطحی رسیده‌اید که دیگر صرفاً خلق یک تصویر زیبا راضی‌تان نمی‌کند؛ شما به دنبال خلق «تصویر دقیق» هستید.

چالش ما دیگر این نیست که یک «گربه‌ی فضانورد» بسازیم. چالش این است که «همان گربه‌ی فضانوردِ خاص، با همان خراش روی کلاهش را، در ده صحنه‌ی مختلف بازآفرینی کنیم».

مشکل، دیگر «خلاقیت» نیست؛ مشکل «فرمان‌پذیری» است.

خبر خوب این است که به جای درستی آمده‌اید. این مقاله، نقشه‌ی راه شما برای پس گرفتن فرمان از هوش مصنوعی است. ما اینجا هستیم تا از قدرت «کنترل» حرف بزنیم.

در ادامه، از تکنیک‌های پیشرفته برای حفظ ثبات کاراکتر، کارگردانی نور و صحنه و وادار کردن DALL-E به اطاعت از دستورات شما پرده‌برداری خواهیم کرد.

DALL-E 3 جدید چه در چنته دارد؟ (نگاهی به آپدیت‌های ۲۰۲۵)

اگر فکر می‌کنید DALL-E 3 که امروز می‌شناسید، همان نسخه‌ی سال گذشته است، سخت در اشتباهید. این ابزار صرفاً یک سال بزرگ‌تر نشده، بلکه به طور بنیادین باهوش‌تر شده است.

تصور کنید DALL-E 3 یک خودروی سوپراسپرت است. حالا شرکت OpenAI کاپوت آن را بالا زده و به جای موتور قبلی، یک قلب تپنده‌ی جدید و بسیار قدرتمندتر، یعنی مدل GPT-5 (و نسخه‌های بهینه‌شده‌ی آن مثل GPT-4o)، را زیر آن قرار داده است.

این تغییر موتور، همه چیز را عوض کرده است. بیایید ببینیم این «همه چیز» دقیقاً شامل چه مواردی می‌شود.

هدف این است که بعد از خواندن این متن، دیگر هرگز نگویید «ای کاش DALL-E منظورم را می‌فهمید». بعد از این، DALL-E 3 چاره‌ای جز فهمیدن دقیق منظور شما نخواهد داشت.

مغز متفکر جدید: درک عمیق زبان طبیعی

مهم‌ترین آپدیت، همین است. به لطف قدرت استدلال چندوجهی (multi-modal) مدل‌های جدیدتر، DALL-E 3 دیگر فقط کلمات کلیدی را از پرامپت شما شکار نمی‌کند؛ بلکه حالا «روابط» بین کلمات، «منطق» صحنه و «جزئیات پنهان» در جملات بلند را به شکلی ترسناک درک می‌کند.

مثلاً در گذشته اگر می‌نوشتید: «یک ربات نقاش در حال کشیدن پرتره‌ی یک گربه است و در پس‌زمینه، یک سگ به دنبال دمش می‌دود»، هوش مصنوعی ممکن بود همه چیز را درهم‌وبرهم به تصویر بکشد.

اما DALL-E 3 جدید، این صحنه را مثل یک کارگردان تحلیل می‌کند: ربات فاعل است، گربه مفعولِ نقاشی است و سگ در پس‌زمینه یک فعالیت جانبی دارد. نتیجه؟ تصویری که دقیقاً منطبق بر سناریوی پیچیده‌ی شماست.

ویرایش تصویر: از چکش تا قلم‌موی جراحی

قابلیت‌های ویرایش تصویر یا Inpainting/Outpainting را به یاد دارید؟ در گذشته کمی زمخت و غیرقابل پیش‌بینی بودند. اما حالا به لطف درک عمیق‌تر از محتوا، این ابزارها به یک ست جراحی دقیق تبدیل شده‌اند.

حالا می‌توانید به راحتی بخشی از تصویر را انتخاب کنید (مثلاً یک فنجان خالی روی میز) و به DALL-E بگویید: «این فنجان را با یک لاته آرت به شکل قو پر کن». هوش مصنوعی با درک کامل از پرسپکتیو، نورپردازی و بافت فنجان، این کار را به شکلی کاملاً طبیعی برایتان انجام می‌دهد.

رام کردن الفبا: نوشتن بی‌نقص کلمات در عکس!

همه‌ی ما آن تصاویر زیبا را با متن‌های کج‌وکوله‌ای که انگار توسط یک موجود فضایی نوشته شده، به یاد داریم. خبر خوب این است که این کابوس تا حد زیادی تمام شده!

DALL-E 3 در سال ۲۰۲۵، می‌تواند متن‌های کوتاه و واضح را با فونت‌های مشخص (اگر در پرامپت ذکر کنید) با دقت بسیار بالایی تولید کند. آیا بی‌نقص است؟ هنوز نه. در جملات خیلی بلند یا سبک‌های خوشنویسی پیچیده گاهی کم می‌آورد، اما برای طراحی یک پوستر ساده یا یک پست اینستاگرام، کاملاً قابل اعتماد شده است. البته هنوز در نوشتن متن‌های فارسی مشکل دارد اما خیلی اگر به دنبال نوشتن متن خیلی کوتاه فارسی روی عکس باشید، این کار را تا حد خوبی نسبت به سایر مدل‌ها انجام می‌دهد.

نگاهی به میدان نبرد: DALL-E 3 در برابر رقبا

• Midjourney V7: این رقیب، همچنان «هنرمند خودسر» میدان است. تصاویرش به شدت زیبا، سینمایی و چشم‌نواز هستند. اما گاهی برای رسیدن به این زیبایی، برخی از جزئیات دقیق پرامپت شما را فدا می‌کند. میدجرنی برای خلق یک «اثر هنری» بی‌نظیر است.
• Stable Diffusion 4.0: این ابزار مثل یک جعبه لگوی بی‌پایان برای حرفه‌ای‌هاست. به لطف متن‌باز بودن، می‌توانید آن را با مدل‌های شخصی‌سازی‌شده (LoRA) آموزش دهید و کنترل بی‌نظیری روی خروجی داشته باشید. اما این قدرت، به قیمت یک منحنی یادگیری تند و نیاز به آزمون و خطای بسیار به دست می‌آید.

پس جایگاه DALL-E 3 کجاست؟

DALL-E 3، «مترجم ذهن» شماست. هیچ ابزار دیگری به این دقت و ظرافت نمی‌تواند یک پرامپت پیچیده و پر از جزئیات به زبان طبیعی را به تصویر بکشد. مزیت آن، فرمان‌پذیری دقیق است. برای طراحان، تصویرسازان و هر کسی که «دقّت» در اجرای ایده برایش اولویت دارد، DALL-E 3 پادشاه بی‌رقیب است.

کارگاه پرامپت‌نویسی پیشرفته برای هوش مصنوعی دال ئی

خب، حالا که از آپدیت‌های جدید و قدرت موتور تقویت‌شده‌ی DALL-E 3 باخبریم، وقت آن رسیده که یاد بگیریم چطور فرمان‌هایی صادر کنیم که این غول هوشمند، چاره‌ای جز اطاعت دقیق نداشته باشد.

فراموش نکنید: اگر DALL-E 3 فلز گران‌بهاست، پرامپت شما آن فرمول کیمیاگری است که مس را به طلا تبدیل می‌کند. ما در این بخش می‌خواهیم از دستورات ساده فراتر برویم و فرمول‌های پیشرفته را یاد بگیریم.

جزئیات، پادشاه است!

این مهم‌ترین قانونی است که باید به خاطر بسپارید. هوش مصنوعی یک کارمند تازه‌کار ولی بسیار بااستعداد است. اگر به او بگویید «یک گزارش بنویس»، احتمالاً یک چیز نصفه‌نیمه تحویلتان می‌دهد. اما اگر بگویید «یک گزارش ۱۰ صفحه‌ای درباره‌ی افزایش فروش در فصل بهار با نمودار و جدول بنویس»، نتیجه شگفت‌زده‌تان می‌کند.

در DALL-E 3 هم همین‌طور است.

• پرامپت ضعیف: یک ماشین اسپرت قرمز
• نتیجه: یک تصویر معمولی و بی‌روح که هزاران بار دیده‌اید.

حالا بیایید به ماشینمان شخصیت بدهیم:

• پرامپت قدرتمند: یک لامبورگینی اونتادور قرمز آتشین، نمای نزدیک از سه-رخ، با بازتاب نور نئون‌های شهر توکیو در شب بارانی روی بدنه‌ی خیس و صیقلی آن، به سبک فوتورئالیسم.
• نتیجه: یک شاهکار هنری که می‌توانید به عنوان پوستر چاپش کنید!

تحلیل پرامپت:

• لامبورگینی اونتادور: مدل دقیق را مشخص کردیم.
• قرمز آتشین: تُناژ رنگ را تعیین کردیم.
• نمای نزدیک از سه-رخ: زاویه‌ی دوربین را کارگردانی کردیم.
• بازتاب نور نئون‌های توکیو…: محیط، اتمسفر و جزئیات نور را به صحنه اضافه کردیم.
• فوتورئالیسم: سبک هنری نهایی را مشخص کردیم.

جادوی سبک‌شناسی: دیکشنری کوچک یک کارگردان

اینجا همان جایی است که کلمات تخصصی مثل ادویه به غذای ما طعم می‌دهند. نگران نباشید، تک‌تکشان را با هم مزه می‌کنیم!

الف) سبک‌های هنری (Art Styles):

• امپرسیونیسم (Impressionism): دلتان یک حس‌وحال رؤیایی و هنری می‌خواهد؟ از این کلمه استفاده کنید. به DALL-E می‌فهماند که از ضربات کوتاه و نرم قلم‌مو استفاده کند و روی بازی نور و رنگ تمرکز کند. مثل نقاشی‌های مونه.
• سایبرپانک (Cyberpunk): عاشق فضاهای آینده‌نگرانه، شهرهای بارانی، نورهای نئونی و حال‌وهوای فیلم بلید رانر هستید؟ این کلمه رمز شماست.
• مینیاتور ایرانی (Persian Miniature): می‌خواهید یک داستان حماسی یا صحنه‌ای اساطیری را با حال‌وهوای هنر اصیل ایرانی خلق کنید؟ با این دستور، DALL-E را به کارگاه استاد فرشچیان می‌برید!

ب) لنزهای دوربین (Camera Lenses):

• لنز آنافورمیک (Anamorphic Lens): آن ظاهر سینمایی و عریض فیلم‌های هالیوودی را می‌خواهید که گاهی خطوط نورانی افقی در تصویر دارند؟ این عبارت جادو می‌کند و به تصویر شما یک ابهت سینمایی می‌دهد.
• لنز ماکرو (Macro Lens): می‌خواهید جزئیات خیلی ریز یک شیء را ببینید؟ مثلاً قطرات شبنم روی تار عنکبوت یا بافت یک توت‌فرنگی؟ از macro shot استفاده کنید تا هوش مصنوعی برایتان میکروسکوپ بیاورد!
• لنز تله‌فوتو (Telephoto Lens): این لنز پس‌زمینه را فشرده می‌کند و سوژه را از آن جدا می‌کند. نتیجه‌اش یک پس‌زمینه‌ی محو و رؤیایی (که به آن بوکه – Bokeh می‌گویند) و تمام توجهات به سمت سوژه‌ی اصلی است. برای پرتره‌های دراماتیک عالی است.

ج) نورپردازی (Lighting):

• ساعت طلایی (Golden Hour): آن نور نرم و نارنجی‌رنگ دقایقی بعد از طلوع یا قبل از غروب خورشید را می‌گویند که همه چیز را زیبا و نوستالژیک می‌کند.
• نورپردازی از لبه (Rim Lighting): یک هاله‌ی نوری زیبا دور سوژه ایجاد می‌کند و آن را از پس‌زمینه جدا می‌کند. حسی حماسی و دراماتیک به تصویر می‌دهد.
• فیلم نوآر (Film Noir): نورپردازی پرکنتراست با سایه‌های تند و تیز، مثل فیلم‌های کارآگاهی قدیمی. فضایی پر از رمز و راز و تعلیق ایجاد می‌کند.

کنترل ترکیب‌بندی: شما کارگردان صحنه هستید

با این کلمات، شما جای دوربین را تعیین می‌کنید:

• نمای نزدیک (Close-up shot): برای تمرکز روی جزئیات چهره یا یک شیء.
• نمای واید (Wide-angle shot): برای نمایش عظمت یک منظره.
• از دید پرنده (Bird’s-eye view): نگاه از بالا به صحنه.
• زاویه پایین (Low-angle shot): سوژه را قدرتمند و بزرگ نشان می‌دهد.
• زاویه هلندی (Dutch-angle shot): با کج کردن دوربین، حس اضطراب یا عدم تعادل را منتقل می‌کند.

نقاشی با احساسات: دیکته کردن حال‌وهوا

DALL-E 3 جدید، کلمات احساسی را هم درک می‌کند. به جای توصیف خشک و خالی، به آن حس تزریق کنید:

مثلا به جای «یک جنگل» بنویسید «یک جنگل اثیری و وهم‌آلود در گرگ‌ومیش غم‌انگیز (An ethereal and ominous forest during a melancholic twilight)»

کلماتی مثل نوستالژیک، حماسی، آرامش‌بخش، پراضطراب، وهم‌آلود و باشکوه، پالت رنگی و نورپردازی هوش مصنوعی را ناخودآگاه به سمت‌وسوی مورد نظر شما هدایت می‌کنند.

خلق شخصیت‌های ثابت در دال ای

به قلب ماجرا خوش آمدید. اگر بخش قبلی کارگاه کیمیاگری بود، اینجا تالار اسرارآمیز استادان است. اینجا می‌خواهیم پرده از رازی برداریم که کابوس بسیاری از کاربران DALL-E است: ثبات شخصیت.

همه‌ی ما این تجربه تلخ را داشته‌ایم: یک کاراکتر بی‌نظیر خلق می‌کنیم؛ چهره، لباس و استایلش دقیقاً همان چیزی است که می‌خواستیم. اما وقتی می‌خواهیم همان شخصیت را در یک صحنه‌ی دیگر قرار دهیم، DALL-E یک غریبه را به ما تحویل می‌دهد! انگار شخصیت ما یک دوقلوی شرور دارد که مدام خودش را جای او جا می‌زند.

اما نگران نباشید. دو تکنیک قدرتمند و یک کارگاه عملی برایتان آماده کرده‌ام تا برای همیشه این مشکل را حل کنید.

تکنیک اول: «کد ژنتیکی» تصویر یا Seed Number

این ساده‌ترین و سریع‌ترین راه برای حفظ ثبات است.

Seed Number چیست؟

فکر کنید هر بار که DALL-E یک تصویر می‌سازد، انگار دارد یک دست کارت را بُر می‌زند. «سید نامبر» شماره‌ی منحصر به فرد همان بُر زدن است. اگر شما همان پرامپت را با همان شماره‌ی سید به او بدهید، DALL-E مجبور است دقیقاً همان بُر را تکرار کند و در نتیجه، تصویری بسیار شبیه به تصویر اولیه تحویلتان می‌دهد. این کد، مثل DNA یا اثر انگشت تصویر شماست.

چطور سید نامبر را پیدا کنیم؟

بعد از اینکه تصویری را که دوست دارید خلق کردید، روی آیکون اطلاعات (معمولاً به شکل i) یا دکمه اشتراک‌گذاری کلیک کنید. در کنار پرامپت شما، یک شماره طولانی تحت عنوان Seed نمایش داده می‌شود. آن را کپی کنید!

چطور از Seed Number استفاده کنیم؟

1. تصویر اصلی کاراکترتان را بسازید. (مثلاً: یک کارآگاه سایبرپانک با بارانی چرمی و چشم‌های نئونی آبی)
2. شماره سید آن را کپی کنید (مثلاً: Seed: 456123789).
3. حالا در پرامپت بعدی، تغییر کوچکی ایجاد کنید و شماره سید را به آن اضافه کنید: یک کارآگاه سایبرپانک با بارانی چرمی و چشم‌های نئونی آبی، «در حال نوشیدن قهوه در یک کافه بارانی»، با استفاده از کاراکتر Seed: 456123789

نکته مهم: این تکنیک برای تغییرات جزئی (مثل تغییر حالت چهره یا یک حرکت کوچک) عالی عمل می‌کند، اما اگر بخواهید زاویه دوربین یا لباس شخصیت را کاملاً عوض کنید، ممکن است دچار خطا شود.

تکنیک دوم: ساخت «شناسنامه کاراکتر» (روش قدرتمندتر)

این روش، حرفه‌ای‌ترین و قابل‌اعتمادترین راه است. اینجا ما برای هوش مصنوعی هیچ راه فراری باقی نمی‌گذاریم! ما برای شخصیت‌مان یک شناسنامه‌ی دقیق و پر از جزئیات می‌سازیم و DALL-E را مجبور می‌کنیم هر بار به آن رجوع کند.

چطور شناسنامه بسازیم؟ یک فایل متنی باز کنید و این الگو را برای شخصیت خود کامل کنید:

• نام منحصر به فرد: کیان، کاوشگر زمان
• چهره: مردی ۳۵ ساله، موهای کوتاه جوگندمی، خط فک استخوانی با ته‌ریش دو روزه، یک زخم کوچک بالای ابروی چپ، چشمان سبز نافذ، نگاهی خسته اما مصمم.
• لباس ثابت: همیشه یک پالتوی بلند خاکستری تیره با یقه‌ی برگردان، یک تی‌شرت ساده سفید زیر آن، و دستکش‌های چرمی مشکی می‌پوشد.
• وسیله‌ی خاص: یک ساعت جیبی برنجی قدیمی و کنده‌کاری شده همیشه در دست چپ اوست.

چطور استفاده کنیم؟

جادوی کار اینجاست: تمام این شناسنامه را کپی کرده و در ابتدای هر پرامپت قرار دهید.

• پرامپت اول: [شناسنامه کامل کیان…]، در حال نگاه کردن به یک نقشه قدیمی در کتابخانه‌ای پر از گرد و غبار. نور از پنجره روی صورتش افتاده.
• پرامپت دوم: [شناسنامه کامل کیان…]، در حال دویدن در یک بازار شلوغ در قاهره‌ی سال ۱۹۲۰. چهره‌اش نگران است.

با این کار، شما آنقدر اطلاعات دقیق به هوش مصنوعی می‌دهید که دیگر فرصتی برای خیال‌پردازی و تغییر چهره‌ی کاراکتر پیدا نمی‌کند.

کارگاه عملی: ساخت یک داستان مصور ۳ فریمی

بیایید با «کیان، کاوشگر زمان» یک داستان کوتاه بسازیم:

• فریم ۱: [شناسنامه کامل کیان…]، با چهره‌ای متعجب به ساعت جیبی‌اش که نوری آبی از آن می‌تابد نگاه می‌کند. نمای نزدیک از صورت. نور ساعت، تنها منبع روشنایی صحنه است.
• فریم ۲: [شناسنامه کامل کیان…]، حالا ساعت جیبی یک هولوگرام از نقشه‌ی ایران باستان را در هوا نمایش می‌دهد. نمای متوسط، کیان با دهانی باز از شگفتی به نقشه نگاه می‌کند.
• فریم ۳: [شناسنامه کامل کیان…]، با چهره‌ای مصمم به سمت یک پورتال انرژی درخشان که در وسط اتاقش باز شده قدم برمی‌دارد. نمای از پشت، نور پورتال بدن او را به یک ضد نور تبدیل کرده است.

تبریک می‌گویم! شما همین الان یک داستان مصور کوتاه با شخصیتی کاملاً ثابت خلق کردید.

محدودیت‌ها و مشکلات هوش مصنوعی DALL-E 3

تا اینجا، ما DALL-E 3 را ستایش کرده‌ایم و از قدرت‌هایش گفته‌ایم. اما هر قهرمانی، پاشنه‌ی آشیل خودش را دارد. شناختن این محدودیت‌ها شما را ضعیف نمی‌کند، بلکه برعکس، شما را به یک کاربر هوشمندتر و مسلح‌تر تبدیل می‌کند که می‌داند کی و کجا باید از ابزارش استفاده کند و کجا باید انتظار خطا داشته باشد.

بیایید با هم در این میدان مین قدم بزنیم و یاد بگیریم چطور از انفجارها در امان بمانیم

پلیس نامرئی: گشت‌وگذار در مرزهای فیلتر محتوا

OpenAI یک پلیس اخلاق بسیار سخت‌گیر و نامرئی را در دل DALL-E 3 قرار داده است. هدف از این کار، جلوگیری از ساخت تصاویر مضر، خشونت‌آمیز، نفرت‌پراکنانه یا محتوای نامناسب دیگر است.

این یعنی اگر پرامپت شما حاوی کلماتی باشد که حتی از دور بوی خشونت یا محتوای بزرگسالانه بدهد، DALL-E به شما یک کارت قرمز نشان می‌دهد و از ساخت تصویر امتناع می‌کند. پس این قوانین را رعایت کنید:

قانون اول: سعی نکنید سیستم را گول بزنید. تلاش برای استفاده از کلمات جایگزین برای دور زدن فیلتر، معمولاً یک بازی شکست‌خورده است.

قانون دوم: یاد بگیرید کلماتتان را «سینمایی» کنید. به جای درخواست یک صحنه‌ی خشن و خونین، از عبارات هنری و سینمایی استفاده کنید. مثلا به‌جای نوشتن « مردی که با چاقو به دیگری حمله می‌کند» بنویسید « دوئل سینمایی دو رقیب در کوچه‌ای تاریک، به سبک فیلم نوآر، تنش در هوا موج می‌زند.

با این روش، شما به جای تمرکز بر خشونت، روی «اتمسفر» و «داستان» صحنه تمرکز می‌کنید و DALL-E هم با شما همکاری خواهد کرد.

پاشنه آشیل: جایی که غول قصه لنگ می‌زند

با تمام پیشرفت‌ها، DALL-E 3 هنوز در برخی زمینه‌ها مثل یک بچه‌ی باهوش ولی دست‌وپاچلفتی عمل می‌کند:

• مشکل ابدی دست‌ها: بله، این مشکل خیلی بهتر شده، اما هنوز کاملاً حل نشده است. در تصاویر ساده با یک کاراکتر، معمولاً دست‌ها بی‌نقص هستند. اما در صحنه‌های شلوغ با چندین نفر، حتماً انگشت‌ها را بشمارید! گاهی اوقات DALL-E هنوز هم در ریاضیات پایه‌ی آناتومی بدن کم می‌آورد.
• درک منطق و فیزیک پیچیده: DALL-E یک نقاش است، نه یک فیزیکدان. او می‌تواند یک لیوان آب را بی‌نهایت زیبا بکشد، اما اگر از او بخواهید «بازتاب چهره‌ی یک پیرمرد را در لیوان آبی که یک کودک در دست دارد» بکشد، ممکن است گیج شود. او نمی‌تواند این دو مفهوم جداگانه (کودک و پیرمرد) را در یک رابطه‌ی فیزیکی پیچیده (بازتاب) به درستی درک کند.
• روابط فضایی در هم‌تنیده: در صحنه‌های خیلی شلوغ، ممکن است هنوز هم در درک اینکه کدام شیء «روی»، «زیر»، «چپ» یا «راست» دیگری قرار دارد، دچار مشکل شود. اگر صحنه‌تان خیلی پیچیده است، سعی کنید آن را به چند بخش ساده‌تر تقسیم کرده و جداگانه بسازید

مراقب باشید در دام بایاس (Bias) نیفتید

این یکی از مهم‌ترین و عمیق‌ترین بحث‌های هوش مصنوعی است.

بایاس چیست؟ به زبان ساده، DALL-E با مطالعه‌ی میلیاردها عکس و متن از سراسر اینترنت آموزش دیده است. اینترنت هم بازتابی از دنیای ما با تمام کلیشه‌ها و پیش‌داوری‌هایش است. در نتیجه، DALL-E این کلیشه‌ها را یاد گرفته است.

مثال: اگر شما پرامپت یک مدیرعامل موفق در دفتر کارش را به DALL-E بدهید، به احتمال زیاد تصویر یک مرد سفیدپوست میانسال را تحویل خواهید گرفت. چرا؟ چون داده‌های آموزشی او پر از این تصویر کلیشه‌ای بوده است.

راه حل چیست؟ دقیق و مشخص عمل کنید! شما به عنوان کاربر، این قدرت را دارید که با این بایاس مقابله کنید. به جای دستورات کلی، دستوراتی دقیق و متنوع بدهید. مثلا به‌جای نوشتن «یک برنامه‌نویس در حال کار» بنویسید «یک تیم از برنامه‌نویسان زن ایرانی در یک استارتاپ مدرن در تهران، با هیجان در حال حل یک مشکل روی وایت‌برد هستند.»

با این کار، شما نه تنها تصویری یونیک و غیرکلیشه‌ای خلق می‌کنید، بلکه به هوش مصنوعی کمک می‌کنید تا دنیا را از دید وسیع‌تری ببیند.

جمع‌بندی نهایی: قلم‌مو در دستان شماست!

یادتان باشد، DALL-E 3 یک نقاش چیره‌دست است، اما شما کارگردان، شاعر و رویاپرداز این صحنه هستید. این ابزار قرار نیست جای تخیل شما را بگیرد، بلکه آمده تا به تخیل شما بال پرواز بدهد. آمده تا آن ایده‌هایی را که کلمات برای توصیفشان کافی نیستند، به تصویر بکشد.