李彦宏说iRAG灭了 AI 生图幻觉，我们实测文心一言发现并没有
作者｜子川
来源｜AI先锋官
今天的 2024百度世界大会上，百度创始人李彦宏介绍了一项很顶的技术——“iRAG（image based RAG）”。他说，过去两年里， AI行业发生最大变化就是大模型基本消除了幻觉。尤其在大模型初期，无论ChatGPT还是其他模型，总喜欢一本正经的胡说八道——直到RAG（检索增强）的技术的出现。此次百度发布的技术叫“iRAG（image based RAG）”。字面意思我们不难看出， 是为了解决文生图技术的幻觉问题。关于这个问题，大家看两组用Midjourney生成的实例就知道是咋回事了。嗯？？？这是豆汁吗？这是北京大学的门口吗？马上打开查了查，北京大学的门口应该长这样式的。
ennnnnnn。。。。。这是哪位友商的超大版的手机在乱贴苹果标。就如大家所看到的那样，AI生图有着很大幻觉问题，往往是张冠李戴，图不对文。即使强大如 Midjourney ，也不能幸免。李彦宏说，依托iRAG可让AI大模型文生图功能准确性大增，不再有“幻觉”，也就是说，AI制作的图片不会再有“AI味儿”了。比如，我们一起用 AI 来完成下马斯克的梦想，让“马斯克在火星上开着特斯拉”。生成的效果还不错，是一辆特斯拉，不过里面的司机细看，可不是马斯克。
随后，我们接着换一个简单的。“特朗普站在火星上吃着麦当劳”。这个生成的就比较不错，无论是特朗普还是火星地貌火星地貌都较好呈现的出来了。
再来一个，刚刚结束的美国大选，特朗普成功的当上了总统，再就让“哈里斯给特朗普颁发皇冠”。🤔，这不是哈里斯，而是特朗普的老婆梅拉尼娅，依旧存在着幻觉问题。随后我们反反复复测试了很多搭配，发现幻觉问题依旧存在，并没有发布会介绍的那么神。写在这里，不经思考，iRAG到底有用还是真的没用。
那就让搭载了iRAG的文心的绘画功能和没有搭载iRAG的Midjourney来一场PK。先来一个人物图“勒布朗詹姆斯和斯蒂芬库里身穿勇士球衣，在场上打球”。
从这两张图不难看出，文心除了生成的更加真实，连斯台普斯球场都生成出来了，不过它们俩生成的球衣号码都有问题。
再来一个全是物体的图片“广州塔、埃菲尔铁塔和上海明珠出现在月球上”。
在景物还原度来看，两者都没有把所有的高塔生成出来，不过Midjourney生成出来的是月球表明没错了，而文心只是生成了一张月球的背景图。。。最后来一个人物加景物图“霍金和爱因斯坦在故宫打麻将”。
同样的问题，文心在多人物方面生成的极其不准确，这都出来了两个爱因斯坦。反观，隔壁的Midjourney要更加拉跨，里面的元素出了爱因斯坦有较好的还原外，麻将和故宫的元素愣是一个都没有看到。总的来说，iRAG技术还是有用的，它能在一定程度上消除幻觉，不过体验下来，还是差了点意思，没有达到预期。不过，如果把iRAG技术搭载到Midjourney会是什么样的结果呢？