Η νέα γενιά της Google που «σκέφτεται» πριν δημιουργήσει εικόνες

Η Google φαίνεται έτοιμη να ανοίξει ένα νέο κεφάλαιο στην παραγωγή εικόνων μέσω τεχνητής νοημοσύνης, με το μοντέλο Nano Banana 2 να κάνει ήδη την εμφάνισή του σε preview έκδοση μέσα στην εφαρμογή Gemini. Παρότι το όνομα παραμένει παιχνιδιάρικο, η τεχνολογία πίσω από αυτό δείχνει να είναι ό,τι πιο εξελιγμένο έχει παρουσιάσει μέχρι σήμερα η εταιρεία στον τομέα της γενετικής απεικόνισης.

Το Nano Banana 2 έρχεται ως ο διάδοχος του αρχικού Nano Banana και υπόσχεται να διορθώσει σχεδόν κάθε αδυναμία των προηγούμενων εκδόσεων. Οι πρώτες δοκιμές δείχνουν πιο ακριβή έλεγχο γωνιών και προοπτικής στις εικόνες, καθώς και καλύτερη διαχείριση των χρωμάτων, με αποτέλεσμα πιο φυσικές αποχρώσεις και ρεαλιστικό φωτισμό. Παράλληλα, το νέο μοντέλο μπορεί να διορθώνει το κείμενο μέσα σε μια εικόνα, ένα από τα πιο ενοχλητικά προβλήματα των προηγούμενων γεννητριών, χωρίς να επηρεάζει τα υπόλοιπα στοιχεία της σύνθεσης.

Ωστόσο, η πιο ριζική αλλαγή δεν αφορά τόσο το αποτέλεσμα, όσο τη διαδικασία. Το Nano Banana 2 εισάγει ένα σύστημα πολλαπλών βημάτων που θυμίζει ανθρώπινη ροή εργασίας. Το μοντέλο δεν παράγει απλώς την εικόνα άμεσα, αλλά πρώτα σχεδιάζει ένα πλάνο, δημιουργεί ένα αρχικό προσχέδιο, το αναλύει για σφάλματα και επαναλαμβάνει τη διαδικασία μέχρι να φτάσει σε ένα τελικό, βελτιστοποιημένο αποτέλεσμα. Με άλλα λόγια, πρόκειται για μια AI που πλέον μαθαίνει να διορθώνει τον εαυτό της.

Αυτή η ικανότητα αυτόματης αυτοδιόρθωσης αποτελεί σημαντική εξέλιξη για τα εργαλεία δημιουργίας εικόνων της Google. Μέχρι σήμερα, τα περισσότερα μοντέλα ήταν αντιδραστικά, περίμεναν τον χρήστη να εντοπίσει τα λάθη και να ζητήσει διορθώσεις. Το Nano Banana 2 κάνει το αντίθετο: αναγνωρίζει τα προβλήματα μόνο του, επεμβαίνει και επανεπεξεργάζεται την εικόνα, όπως θα έκανε ένας επαγγελματίας σχεδιαστής.

Οι εικόνες που έχουν διαρρεύσει από τη δοκιμαστική φάση δείχνουν σαφέστερες γραμμές, καθαρότερες υφές και αισθητά λιγότερα από τα γνωστά ατοπήματα των μοντέλων AI, όπως εκείνα τα παραμορφωμένα δάχτυλα, τα ασύμμετρα μάτια ή τα περίεργα αντικείμενα που συνήθως πρόδιδαν το μηχανικό τους υπόβαθρο. Η βελτίωση είναι εμφανής: οι εικόνες δείχνουν πιο «ανθρώπινες», πιο συγκροτημένες και με μεγαλύτερη συνέπεια.

Στον κώδικα της Google έχουν επίσης εντοπιστεί αναφορές σε ένα «Nano Banana Pro», κάτι που υποδηλώνει ότι η εταιρεία ετοιμάζει μια πιο «επαγγελματική» εκδοχή του μοντέλου, προσανατολισμένη σε υψηλής ανάλυσης ή εξειδικευμένες χρήσεις πιθανώς για δημιουργούς, επαγγελματίες γραφίστες ή εφαρμογές κινηματογραφικής παραγωγής.

Το Nano Banana 2, γνωστό εσωτερικά και ως GEMPIX 2, φαίνεται πως δεν θα περιοριστεί μόνο στο Gemini app. Πρώιμα ίχνη του μοντέλου έχουν εντοπιστεί και σε πειραματικά εργαλεία της Google, όπως το Whisk Labs, το οποίο επικεντρώνεται στην ενσωμάτωση δημιουργικών λειτουργιών AI σε ευρύτερες πλατφόρμες. Η στρατηγική αυτή παραπέμπει στο «σιωπηλό» λανσάρισμα του πρώτου Nano Banana, όταν πολλοί χρήστες άρχισαν ξαφνικά να παρατηρούν ότι οι εικόνες τους φαίνονταν απλώς… καλύτερες.

Το νέο μοντέλο υπόσχεται επίσης καλύτερη κατανόηση σκηνών, πιο φυσικό χειρισμό προοπτικής και σαφέστερη ενσωμάτωση κειμένου, στοιχεία που θα μπορούσαν να φέρουν τα AI-generated visuals πιο κοντά στο φωτορεαλισμό. Αν λάβουμε υπόψη ότι το πρώτο Nano Banana είχε γίνει viral χάρη στις εξαιρετικά ρεαλιστικές «action figure» απεικονίσεις ανθρώπων, μένει να δούμε αν η δεύτερη γενιά θα μπορέσει να διατηρήσει αυτό το επίπεδο αληθοφάνειας σε ακόμη πιο σύνθετες σκηνές.

Οι πρώτες εικόνες που δημοσιεύτηκαν από testers δείχνουν πως το μοντέλο μπορεί να αποδώσει με εντυπωσιακή συνέπεια τα χαρακτηριστικά ενός προσώπου ή ενός χώρου, διατηρώντας το ίδιο ύφος από λήψη σε λήψη, κάτι που μέχρι πρόσφατα ήταν δύσκολο για τις μηχανές. Αν αυτό επιβεβαιωθεί, το Nano Banana 2 θα μπορούσε να καθιερώσει ένα νέο στάνταρ στην παραγωγή ρεαλιστικών, αλλά ταυτόχρονα φανταστικών εικόνων.

Η Google δεν έχει ανακοινώσει ακόμη επίσημη ημερομηνία κυκλοφορίας.

[source]