Prova kläder via selfie, redigera bilder utan att förstöra dem – nu används AI på riktigt
Prova kläder via selfie — AI har slutat vara framtidssnack och blivit vardag.
Inte framtidsvisioner – produkter du kan använda nu
Det är lätt att tröttna på AI-nyheter som handlar om vad tekniken kommer att kunna göra om fem år. Den här veckan är annorlunda. De lanseringar som rullar ut just nu är konkreta, tillgängliga och löser problem som verkliga människor faktiskt har.
Låt mig börja med det som troligen når flest användare snabbast: ChatGPT:s nya shoppingfunktioner. Enligt TechCrunch lanserar OpenAI nu globalt ett virtuellt provrum direkt i sin chattassistent. Du laddar upp en selfie eller ett helkroppsfoto, pekar på ett plagg du hittat i en nätbutik, och AI:n visualiserar hur det skulle se ut på just dig. Funktionen bygger på den nyligen lanserade bildmodellen ChatGPT Images 2.5, som ska ge mer naturlig belysning och rikare texturer än tidigare versioner. En funktion för att spara favoriter följer med på köpet.
Det är inte OpenAI:s första försök i den här riktningen – ett tidigare direktköpsläge togs bort efter att ha underpresterat – men det virtuella provrummet känns som ett mer genomtänkt erbjudande. Istället för att försöka bli en butik vill ChatGPT bli den vän som hjälper dig att välja.
Bilder som äntligen beter sig
En annan lansering som förtjänar mer uppmärksamhet än den troligen får: Ideogram 4.5. The Decoder rapporterar att modellen löser ett problem som funnits sedan AI-bildredigering blev ett ämne – nämligen att du vill ändra en sak i en bild, men verktyget ändrar allt annat också. Proportioner förskjuts, bakgrunden förändras, ljussättningen vandrar iväg.
Ideogram hävdar att deras nya modell enbart rör det du faktiskt pekar ut. Tekniken är, enligt företaget, konstruerad från grunden för att bevara sammanhang och konsekvens utanför det markerade området. Tidiga testare bekräftar att modellen håller sig stabil även efter flera på varandra följande redigeringar – vilket tidigare var en akilleshäl för hela kategorin. Med inbyggd 2K-upplösning och priser från 0,8 cent per bild är tröskeln låg nog att det faktiskt är värt att prova.
Som systemutvecklare vet jag hur svårt det är att bygga system som gör lagom mycket. Att begränsa modellens påverkan till exakt det användaren specificerar, utan att tappa bildkvalitet, är tekniskt sett ett rejält ingenjörsproblem. Om de verkligen löst det är det ett genuint framsteg.
Google siktar mot skyn – bokstavligen
Sedan finns det nyheten som är svårast att sätta i sitt sammanhang men kanske viktigast på lång sikt. TechCrunch rapporterar att Google nyligen skickade upp en prototypsatellit konstruerad av Planet Labs, med en av företagets egna Tensor Processing Units ombord. Projektet heter Suncatcher och är ett första steg mot rymdbaserade datacenter.
Idag aktiveras chipet i 15-minutersintervaller för att inte överbelasta kyl- och kraftsystemen. Nästa år planeras ett mer ambitiöst demonstrationsprojekt med laserkommunikation mellan satelliter. Den slutliga visionen är 81 satelliter i tät formation – ett fullskaligt datacenter i omloppsbana. Att nå dit kräver, enligt Googles egna kalkyler, ungefär 1 800 uppskjutningar med SpaceX Starship. Det är ett projekt med decennieperspektiv, inte ett kvartalsresultat.
AI som läser det finstilta
Slutligen lanserar Google funktionen Guided Vision i Gemini Live för Android-enheter. The Verge beskriver hur den ger ljudbeskrivningar i realtid av allt kameran riktas mot – fintext i avtal, objekt i omgivningen, etiketter i dålig belysning. För personer med nedsatt syn kan det vara verkligt banbrytande. För alla andra är det ett välkommet verktyg i de situationer där glasögonen inte räcker.
Det påminner om Apples och Metas liknande lösningar, men Googles version är djupt integrerad i Gemini-plattformen och drar fördel av företagets egna språk- och bildtolkningsmodeller.
Genomförandet är det svåra
OpenAI publicerade nyligen en rapport – The Eternal Complement – där de argumenterar för att AI:ns viktigaste bidrag inte är de stora idéerna utan genomförandet: att skriva kod, sammanställa underlag, rensa friktionsytor i komplexa processer. Den analysen känns träffande när man ser veckans lanseringar tillsammans. Inget av det som presenterats är en revolutionär idé i sig. Men alla löser verkliga, konkreta hinder på vägen från idé till resultat.
Vår analys
Det som är slående med veckans lanseringar är inte enskilda tekniska genombrott – det är tätheten. OpenAI, Google och Ideogram levererar parallellt, och de adresserar olika lager av användarupplevelsen: hur vi handlar, hur vi redigerar bilder, hur vi tar del av information och hur framtidens beräkningsinfrastruktur byggs.
Det är också värt att notera att de svårare problemen – som Ideograms precisa bildredigering och Googles rymdbaserade beräkningssatelliter – inte är marknadsföringsnyheter utan tekniska milstolpar med tydliga ingenjörsproblem bakom sig.
På lite längre sikt pekar utvecklingen mot AI som är inbäddad i varje steg av vardagen, snarare än ett separat verktyg man öppnar i en webbläsare. Det virtuella provrummet i ChatGPT och Guided Vision i Gemini är båda exempel på den riktningen. Gränsen mellan att använda AI och att bara använda sin telefon håller på att suddas ut – och det är i grunden en positiv förändring för de flesta användare.