مقایسه ChatGPT Vision و Google Lens: کدام دستیار هوش مصنوعی بینایی برنده است؟

مقایسه‌ای جذاب بین دو ابزار قدرتمند هوش مصنوعی برای کمک به شما در زندگی روزمره.

مدل‌های هوش مصنوعی بینایی (Vision AI) در حال تغییر نحوه تعامل ما با دنیای اطرافمان هستند؛ آن هم درست از طریق تلفن‌های هوشمندمان. این ابزارهای هوشمند می‌توانند «ببینند» و به روش‌هایی پاسخ دهند که زندگی را واقعاً آسان‌تر می‌کنند؛ از ترجمه فوری متن و شناسایی گیاهان تا حل مسائل ریاضی و بسیاری موارد دیگر.

ChatGPT Vision، ارتقای چندوجهی OpenAI است که به شما امکان می‌دهد با تصاویر، درست مانند متن، تعامل داشته باشید. کاربران می‌توانند مستقیماً در اپلیکیشن یا از طریق مرورگر ChatGPT، یک عکس آپلود کنند و این چت‌بات، تصویر را تحلیل، توضیح و حتی در پاسخ به هر سؤالی که در مورد آن دارید، شما را راهنمایی می‌کند.

به همین ترتیب، Google Lens به طور مستقیم در برنامه‌های اندروید و گوگل ادغام شده تا به کاربران در ترجمه متن، شناسایی محصولات و مکان‌های دیدنی و حتی کمک به خرید یاری برساند. این ابزار به دلیل سرعت بالای تشخیص خود شناخته شده و به گزینه اصلی برای هر کسی تبدیل شده است که به پاسخ‌های سریع و فوری از طریق تلفن خود نیاز دارد.

اما با وجود اینکه هر دو این ابزارها هدف مشابهی را دنبال می‌کنند، همه مدل‌های بینایی به یک اندازه کارآمد نیستند. برای اینکه بفهمیم کدام‌یک واقعاً برتری دارد، من ChatGPT Vision و Google Lens را در هفت سناریوی روزمره با یکدیگر مقایسه کردم. نتایج ممکن است شما را شگفت‌زده کند.

مقایسه عملکردی: ترجمه، حل مسئله و خرید با هوش مصنوعی

۱. ترجمه متن

برای اولین آزمون، من از دستورالعمل‌های اسپانیایی یک دفترچه راهنمای دوچرخه برقی عکس گرفتم و از هر دو مدل خواستم آن را ترجمه کنند.

• ChatGPT Vision کار ترجمه دفترچه راهنما را به خوبی انجام داد، اما زمان بیشتری برد و مراحل بیشتری داشت.
• Google Lens دفترچه راهنما را درست در مقابل چشمانم ترجمه کرد. بدون اینکه حتی از آن بخواهم، این مدل کلمات را «می‌بیند» و با یک حرکت ساده، آن‌ها را ترجمه می‌کند.

برنده: Google Lens برای ترجمه سریع و آسان برنده این بخش شد.

۲. حل یک مسئله ریاضی دست‌نویس

من یک مسئله جبری دشوار را روی یک کاغذ باطله نوشتم و از آن عکس گرفتم. سپس از هر دو ابزار خواستم تا آن را مرحله به مرحله حل کنند.

• ChatGPT Vision مسئله را با چندین مرحله توضیح داد تا مسئله جبری پیچیده را برای درک آسان‌تر کند و در نهایت به پاسخ نهایی برسد.
• Google Lens با یک نگاه به مسئله ریاضی، آن را در عرض چند ثانیه حل کرد. با این حال، اگرچه راه‌حل را نشان داد، اما به اندازه ChatGPT توضیح نداد و مستقیماً به نتیجه رسید، بدون اینکه مراحل را به صورت گام به گام شرح دهد.

برنده: ChatGPT Vision به دلیل ارائه یک پاسخ آموزشی و کامل‌تر، برنده این آزمون شد.

۳. شناسایی و پیشنهاد راهکار

من دوربینم را به سمت یک درختچه در حیاط خانه گرفتم و از مدل‌های هوش مصنوعی پرسیدم که چه نوع درختچه‌ای است و چگونه از آن نگهداری کنم.

• ChatGPT Vision درختچه را شناسایی کرد و راه‌های نگهداری از آن و نحوه تشخیص علائم رشد صحیح آن را نیز ارائه داد.
• Google Lens درختچه را شناسایی کرد اما به خوبی ChatGPT به سؤال در مورد نحوه نگهداری از آن پاسخ نداد.

برنده: ChatGPT Vision برای یک پاسخ کامل، شخصی‌سازی شده و دقیق‌تر برنده این دور بود.

۴. کمک در خرید

این کاری است که من همیشه برای کمک به مادرم که یک خیاط است، انجام می‌دهم تا پارچه‌های مورد نیاز خود را پیدا کند. هم ChatGPT Vision و هم Google Lens در این مورد به من کمک کرده‌اند.

• ChatGPT Vision مستقیماً به من گفت که نمی‌تواند در پیدا کردن نام پارچه یا تولیدکننده آن کمکی کند.
• Google Lens نه تنها پارچه را شناسایی کرد، بلکه نام آن و محلی که می‌توان آن را به صورت آنلاین خرید نیز به من نشان داد.

برنده: در این مورد، Google Lens به عنوان بهترین دستیار خرید شناخته شد.

۵. پشتیبانی در مورد سلامت (غیرپزشکی)

در این مورد، تصویری از یک گوشتک اضافه (hangnail) را برای هر دو چت‌بات به اشتراک گذاشتم.

• ChatGPT Vision توانست با نگاه کردن به انگشتم فوراً بفهمد چه مشکلی وجود دارد و حتی راه‌حل‌های تسکین‌دهنده‌ای مانند استفاده از نمک اپسوم را پیشنهاد داد. این دقیقاً همان چیزی بود که متخصص پوست من توصیه کرده بود.
• Google Lens با دیدن تصویر، مجموعه‌ای از احتمالات مختلف را ارائه داد که هیچ‌یک از آن‌ها مشکل واقعی نبود. این ابزار، تصویر را بر اساس تصاویر سایر کاربران Google Lens توصیف کرد و اطلاعاتی فراتر از یک پاسخ کلی ارائه نداد.

برنده: ChatGPT Vision برای شناسایی سریع مشکل من و ارائه راه‌حل‌های فوری، برنده این بخش بود. اگرچه ChatGPT جایگزینی برای یک پزشک واقعی نیست، اما من متوجه شده‌ام که ChatGPT-5 Vision در مواقع ضروری، به‌ویژه هنگام صحبت تلفنی با پزشک کودکانم، بسیار مفید بوده است.

۶. عیب‌یابی روزمره

این یکی دیگر از راه‌هایی است که من به طور منظم از هر دو ChatGPT Vision و Google Lens استفاده می‌کنم. اغلب از داشبورد اتومبیلم در زمانی که چراغ هشدار روشن می‌شود، عکس می‌گیرم و می‌پرسم: «این به چه معناست و قدم بعدی که باید بردارم چیست؟» تصویری را که از داشبورد یک ماشین قدیمی در عکس‌هایم داشتم، آپلود کردم.

• ChatGPT Vision تصویر را به عنوان یک «چراغ نشانگر نقص» در داشبورد شناسایی کرد. به من گفت که این چراغ به چه معناست و حتی اولین کاری که باید انجام دهم را نیز توضیح داد.
• Google Lens کمک‌های عمومی‌تری ارائه داد و لینک دفترچه راهنمای خودرو را نیز در اختیارم قرار داد.

برنده: ChatGPT Vision برای یک پاسخ شخصی‌سازی‌شده که به من کمک کرد مشکل خاص خود را درک کنم، برنده بود؛ نه اینکه مرا برای یافتن راه‌حل به یک دفترچه راهنما بفرستد. همچنین نشان داد که این مشکل احتمالاً جزئی است، که همیشه برای دانستن خوب است.

۷. خلاقیت

من یک اثر هنری از فرزندم را که یک قطعه هنری ترکیبی بود، آپلود کردم و از هر دو مدل خواستم تا هنر را به صورت دقیق توضیح دهند.

• ChatGPT Vision به طور دقیق ظاهر اثر هنری را به من گفت اما به جزئیات بیشتری نپرداخت.
• Google Lens تقریباً تمام جزئیات اثر هنری فرزندم را شرح داد و حتی چند نمونه اثر هنری مشابه را نیز به نمایش گذاشت.

برنده: Google Lens به دلیل فراتر رفتن از انتظار با جزئیات توضیحات و تشویق به خلاقیت بیشتر از طریق نمایش آثار هنری دیگر برای الهام گرفتن، برنده این بخش شد.

نتیجه‌گیری: کدام ابزار هوش مصنوعی برای نیازهای شما مناسب است؟

پس از آزمایش هر دو ابزار در هفت سناریوی بسیار متفاوت، ChatGPT Vision برنده نهایی این رقابت بود. با این حال، این ابزار در همه دسته‌ها غالب نبود. Google Lens در سرعت، خرید و کاوش خلاقانه می‌درخشد، در حالی که ChatGPT Vision برای ارائه اطلاعات عمیق، درک زمینه و کمک شخصی‌سازی‌شده برجسته است.

کدام یک «بهتر» است، در نهایت به این بستگی دارد که بیشتر به چه چیزی نیاز دارید: پاسخ‌های فوری یا توضیحات کامل. توصیه من این است که هر دو اپلیکیشن هوش مصنوعی بینایی را در دسترس داشته باشید تا برای حل مشکلات سریع، ترجمه‌ها و درک عمیق‌تر، پوشش داده شوید. من همیشه از هر دو آن‌ها استفاده می‌کنم، هر زمان که نیاز به یک «نگاه دوم» دارم.