Ernest Piatrovich, Gerente de Producto en ARTA – Serie de Entrevistas

Ernest Piatrovich es un Gerente de Producto en AIBY Group, liderando una de las aplicaciones de la empresa impulsadas por IA de mayor nivel, ARTA – Generador de Imágenes de IA para iPhone y Android. Su visión estratégica y pensamiento creativo han resultado en que la aplicación alcanzara el puesto #2 en las listas de aplicaciones más populares de la tienda de aplicaciones de EE. UU. poco después de su lanzamiento, superando el hito de 15 millones de descargas en todo el mundo, y ofreciendo los mejores Avatares de IA basados en una tubería única en casa, entre otros éxitos.

Ha sido responsable de gestionar ARTA – Generador de Arte de IA desde la fase de ideación hasta ahora. ¿Podría compartir algunas ideas sobre esos primeros días?

¡Claro! Esos fueron tiempos dinámicos. Logramos lanzar una aplicación bien hecha en solo una semana, convirtiéndonos en uno de los primeros creadores de aplicaciones de consumo en ofrecer funcionalidad de generación de imágenes de texto en móviles. Nuestro objetivo era construir un producto de mercado de masas que brindara a las personas “un artista” en su bolsillo. Así que, desde la conceptualización y las primeras etapas de desarrollo, nos centramos en la usabilidad y la escalabilidad. Pero a pesar de entrar al mercado en el momento adecuado, fue bastante desafiante aumentar nuestros volúmenes de instalación a una medida adecuada, incluso con un equipo de compra de medios tan brillante como el nuestro. Un impulso significativo ocurrió tres meses después del lanzamiento de la aplicación cuando nuestra función de Avatar se puso de moda. El volumen se convirtió rápidamente en moderadamente alto para nuestro nicho, y desde entonces, nuestra tarea ha sido mantenerlo e incrementarlo.

¿Cuál fue la pila de tecnología original con la que se lanzó y cuáles fueron algunos de los desafíos con la generación de arte durante este período?

Lanzamos basados en Stable Diffusion 1.3 utilizando la API oficial de Stability.ai. Debo decir que la situación con la calidad de las generaciones entonces y ahora es como la noche y el día. Cuando empezamos, nuestros administradores de QA informaban frecuentemente problemas relacionados con el valor estético de las imágenes o inexactitudes en la representación de conceptos y características específicas. Sin embargo, eso era estándar para Stable Diffusion en ese momento. Ahora, la salida de generación es mucho mejor en todos los aspectos, incluyendo reproducción estilística, coherencia de composición, fidelidad visual, nivel de detalle y más.

Poco después del lanzamiento de la aplicación, comenzamos a alquilar servidores en Amazon (AMZN ), y resultó ser bastante un desafío darles soporte. Incluso con fondos suficientes, puede que no haya servidores A100 disponibles cuando los necesite, y tendrá que esperar un par de días. Por lo tanto, tuvimos que vivir sin autoscale, redirigiendo todo el tráfico excesivo a las API de nuestros socios.

Mantener todo esto sigue siendo bastante complicado hasta hoy en día, con problemas menores que ocurren en un extremo o en el otro cada mes más o menos. Por ejemplo, ocasionalmente nos encontramos con problemas temporales con la calidad de las generaciones cuando el proveedor actualiza el servidor, prueba pesos o implementa otros cambios que afectan la salida de generación. Esos errores pueden durar desde una hora hasta medio día y son impredecibles y difíciles de rastrear. Por lo general, para cuando nuestro departamento de soporte recibe un informe de usuario sobre imágenes borrosas o algún otro problema que ocurre, el proveedor de la API ya ha solucionado el problema. Sin embargo, es una preocupación seria para nuestros usuarios. Por lo tanto, ahora estamos construyendo un sistema que combina múltiples proveedores y nuestros propios servidores para generaciones especiales, lo que nos permite tener más control de nuestro lado de las cosas.

Como gerente de producto, ¿qué decisiones estratégicas han sido fundamentales para guiar a ARTA a su posición de clasificación superior poco después de su lanzamiento?

El ascenso temprano de ARTA (en ese entonces llamado Aiby) resultó de la decisión oportuna de implementar la función de Avatar viral cuando apenas comenzaba a hacerse eco en las redes sociales. Reconocimos rápidamente el creciente interés en esta funcionalidad. Nuestro equipo completo, incluyendo producto, marketing y desarrollo, estaba en la misma longitud de onda y tenía una visión de su éxito. También reconocimos que el tiempo de llegada al mercado era crucial. Así que, desde el día uno, dedicamos todos nuestros recursos a realizar esta función, priorizándola por encima de otras tareas.

Dado que nuestro plazo era lo antes posible para no perder el momento en que los Avatares de IA alcanzaran su punto álgido de popularidad, optamos por utilizar una solución de terceros y personalizarla para nuestra aplicación. Mientras que los avatares comenzaban a ganar tracción en móviles, la tecnología ya estaba disponible en la web desde hacía algún tiempo, incluso con una API. Gracias a los esfuerzos concentrados del equipo, nuestra primera versión funcional estuvo en la App Store en solo cinco días, ofreciendo una salida de avatar muy competitiva. Nos ayudó a alcanzar el puesto #2 en las listas de éxitos americanas y a permanecer como la segunda aplicación más descargada en EE. UU. durante una semana.

¿Podría compartir algunos detalles sobre la actualización reciente de la función de generación de avatares de IA de ARTA?

Los modelos de IA tienden a agregar características faciales genéricas durante el entrenamiento, lo que hace que los avatares se vean diferentes de las fotos de origen, y cuanto más únicos sean los rasgos de uno, más diferentes pueden parecer la interpretación de la IA. Para abordar este problema, decidimos crear nuestro propio servicio de avatares. Habíamos estado utilizando una API de terceros durante mucho tiempo, pero no produjo mejoras significativas. Con el cambio de servidor, pudimos configurar una tecnología de entrenamiento más óptima para mantener mejor la similitud de la cara real del usuario en la salida del avatar. Aunque no puedo revelar nuestros detalles de tubería únicos, se volvió posible gracias a una combinación específica de configuraciones de SDXL, LORAs y mejoradores faciales, y aún no hemos visto mejores resultados en ningún otro lugar.

Con el nuevo servidor, nos alejamos de un costo fijo por cada paquete de avatares a una tarifa de servidor mensual y ahora podemos ofrecer avatares a través de una suscripción semanal en lugar de requerir compras dentro de la aplicación por separado. Crea una experiencia más gratificante y es mucho más barata para nuestros usuarios si desean generar, por ejemplo, cinco paquetes de avatares dentro de una semana o cambiar la entrada de la foto a medida que avanzan. Considerando todo lo anterior, nuestra oferta de avatares actualmente tiene la mejor relación calidad-precio en el mercado. Mientras que hay aplicaciones capaces de crear avatares realistas de alta calidad, ARTA se destaca por ofrecer una variedad de variaciones de salida coloridas y brillantes además de estilos realistas, todos con el mismo nivel preciso de reconocimiento facial.

¿De qué otras maneras ha mejorado el equipo las capacidades de la aplicación?

Concluimos que utilizar API de terceros es más eficiente para casos de uso comunes como la generación de texto a imagen, la conversión de imágenes y la inpainting. Este enfoque elimina la necesidad de pasar tiempo averiguando cómo integrar estas funcionalidades en nuestra infraestructura de servidor. Además, reduce los costos en situaciones en las que una nueva función no funciona como se esperaba y decidimos eliminarla. La industria de la generación de imágenes de IA está evolucionando rápidamente, con numerosos servicios dedicados disponibles, así que exploramos y adoptamos gradualmente aquellos que se alinean con nuestros objetivos.

Al mismo tiempo, las necesidades de ARTA a menudo resultan ser bastante únicas, lo que requiere hallazgos en casa. En casos en los que las API personalizadas no existen o no proporcionan una calidad de salida satisfactoria, nos especializamos y personalizamos nuestros servicios internos y desarrollamos nuestras propias soluciones para lograr los resultados que queremos. Por ejemplo, además de mejorar los Avatares de IA, nuestros ingenieros de ML y prompt han ideado una nueva tubería para la función de Filtros de IA (Selfies) de la aplicación. También hemos desarrollado un algoritmo único para nuestra próxima función de Bebé de IA – una funcionalidad de generación que permite a dos personas fusionar sus fotos y ver cómo podría ser su hijo. Basado en mi percepción del mundo como gerente de producto, inicialmente dudé de su éxito, pero los anuncios creativos con este concepto son muy populares. Así que, verificar las ideas de marketing es especialmente útil en casos relacionados con contenido.

¿Pueden los usuarios influir en el proceso artístico en ARTA? Si es así, ¿qué herramientas y opciones están disponibles para que los usuarios personalicen el arte generado por IA?

Manejamos todos los aspectos complejos relacionados con la generación, con el objetivo de brindar a nuestros usuarios una experiencia artística sencilla sin sobrecarga técnica innecesaria. Así que, la forma principal en que los usuarios influyen en la salida es a través de las sugerencias. Mantenemos este proceso transparente mostrando la solicitud de palabras exacta que se enviará al modelo para la generación y solo ofrecemos asistencia para componer sugerencias efectivas si es necesario.

Seleccionamos los mejores ajustes predeterminados para cada modelo integrado para que los usuarios no tengan que preocuparse por eso. Por lo general, no hay necesidad de ajustarlos para maximizar los resultados, ya que ya producen una salida de generación óptima. Sin embargo, si el usuario quiere experimentar, el modo avanzado está a un toque de distancia, y algunos parámetros más profundos están en la sección de ajustes.

Pronto agregaremos un parámetro de Semilla, que permitirá a los usuarios tener control total sobre la generación cuando necesiten recrear una imagen idéntica desde cero. Además, planeamos ampliar la lista de razones de aspecto. También estamos pensando en agregar varios controlnets a generaciones regulares. Ya están soportados en el lado del servidor, ya que los usamos para generar Filtros de IA y bocetos, pero aún no se entregan a los usuarios finales.

¿Cómo percibe el impacto de la IA como ARTA en el mercado del arte tradicional? ¿Ve la generación de arte de IA como una interrupción o una mejora de la industria del arte?

Lo veo como una mejora. La IA generativa ha introducido nuevas y valiosas oportunidades para mejorar el proceso artístico mientras reduce significativamente el tiempo de entrega. Ayuda a artistas digitales, diseñadores, ilustradores y otros creadores de contenido visual con una variedad de tareas, desde explorar ideas y desarrollar conceptos hasta generar bocetos y imágenes listas para usar. En última instancia, nuestra capacidad para aprovechar sus avances solo está limitada por nuestra imaginación.

Por ejemplo, tengo un hobby de crear juegos de PC, y recientemente usé ARTA para generar un conjunto de iconos para habilidades y artículos. Podría haberlos diseñado yo mismo usando Adobe Illustrator, pero con un generador de imágenes, obtuve lo que necesitaba casi de inmediato. Mi esposa, a su vez, es una retocadora-fotógrafa. Gracias a Generative Fill de Photoshop, trabaja mucho más rápido y tiene más tiempo libre (o más ingresos si decide aceptar más pedidos de retocado).

Cuando se hace bien, las imágenes generadas por IA pueden parecer indistinguibles de las obras de arte profesionales. Sin embargo, en mi opinión, la IA nunca reemplazará a un profesional verdadero. No importa cuán habilidosas se vuelvan las redes neuronales, todavía se entrenan con datos creados por humanos, lo que significa que todo lo que generan ya existe en algún lugar. Así como antes y ahora, las ideas verdaderamente innovadoras solo pueden ser producidas por personas. Mientras que el significado tradicional del arte sigue asociado con piezas hechas por humanos, el arte de IA es como una rama anticipada, invitando a todos, independientemente de su trasfondo artístico, a probar una emocionante nueva experiencia.

¿Hacia dónde ve el futuro de la generación de imágenes de IA más allá de solo mejorar la calidad de la imagen?

Junto con la calidad de la imagen, la velocidad de las generaciones aumentará, lo que llevará automáticamente a salidas más rentables.

Creo que no pasará mucho tiempo antes de que haya una forma fácil de generar los mismos personajes en diferentes entornos y posiciones, así que veremos el auge de la IA en cómics, libros infantiles, gráficos de juegos y más. El diseño de interiores y la producción de anuncios creativos ya son esferas que aprovechan activamente la IA generativa, pero hay más por delante a medida que la tecnología continúa evolucionando.

Considerando que todas las generaciones requieren GPU sólidas, estas tecnologías se desarrollarán junto con la IA durante bastante tiempo. Solo estamos al comienzo del viaje. Tal vez el nuevo Apple (AAPL ) de nuestro tiempo sea Nvidia (NVDA ), con todos, o al menos aquellos en la industria de TI, anticipando nuevos lanzamientos de tarjetas de video como lo hicimos con los iPhones.

Los generadores de imágenes de IA continuarán brindando experiencias divertidas y atractivas, ya sea introduciendo nuevos conceptos que surgen de la cultura popular o reviviendo ideas más antiguas mejoradas con mejor tecnología. Por ejemplo, el interés en las generaciones de Bebé de IA está creciendo actualmente. Una tecnología reciente basada en Stable Diffusion ha demostrado resultados impresionantes al combinar las características de dos individuos para revelar la apariencia potencial de su hijo biológico. Los resultados superan con creces lo que estaba disponible en los sitios de horóscopos hace unos años, y la gente está ansiosa por intentarlo de nuevo.

¿Cuáles son sus predicciones sobre lo que debemos esperar a continuación de la IA Generativa?

La ola de popularidad de la generación de video está en el horizonte. Con los avances de la tecnología alcanzando un nivel suficiente, sin duda habrá intentos de entrenar redes neuronales utilizando expresiones faciales y gestos de las personas para crear avatares de video, potencialmente incluso con voces únicas de usuario.

La IA de Audio es otro avance significativo que anuncia una nueva era para la industria de la producción musical. Esta tecnología ya ha presentado oportunidades increíbles para componer canciones basadas únicamente en la entrada de texto, lo que la convierte en un excelente herramienta para crear pistas de sonido personalizadas y no de stock para varios tipos de contenido de video. En general, es realmente divertido escuchar algo tan mundano como los Términos de Uso rapeados o cantados con entonación romántica.

Gracias por la excelente entrevista, los lectores que deseen aprender más o generar algunas imágenes deben visitar ARTA.