अर्नेस्ट पियाट्रोविच, आर्टा के प्रोडक्ट मैनेजर – साक्षात्कार श्रृंखला

अर्नेस्ट पियाट्रोविच एआईबीवाई ग्रुप में एक प्रोडक्ट मैनेजर हैं, जो कंपनी के शीर्ष-स्तरीय एआई-चालित ऐप्स में से एक, आर्टा – एआई इमेज जनरेटर का नेतृत्व करते हैं, जो आईफ़ोन और एंड्रॉइड के लिए है। उनकी रणनीतिक दृष्टि और रचनात्मक सोच के परिणामस्वरूप, ऐप ने अपने रिलीज़ के तुरंत बाद यूएस ऐप स्टोर की शीर्ष चार्ट में #2 स्थान हासिल कर लिया, विश्वभर में 15 मिलियन डाउनलोड का आंकड़ा पार किया, और एक अनोखे इन-हाउस पाइपलाइन के आधार पर सर्वश्रेष्ठ प्रदर्शन करने वाले एआई अवतार प्रदान किए, जिनमें से अन्य सफलताएं हैं।

आप आर्टा – एआई आर्ट जनरेटर के विचार चरण से अब तक इसके प्रबंधन के लिए जिम्मेदार रहे हैं। क्या आप उन शुरुआती दिनों के बारे में कुछ जानकारी साझा कर सकते हैं?

बिल्कुल! वे गतिशील समय थे। हम एक सप्ताह के भीतर एक अच्छी तरह से बनाई गई एप्लिकेशन जारी करने में कामयाब रहे, जो मोबाइल पर टेक्स्ट-टू-इमेज जनरेशन कार्यक्षमता प्रदान करने वाले पहले उपभोक्ता ऐप निर्माताओं में से एक बन गया। हमारा लक्ष्य एक मास-मार्केट उत्पाद बनाना था जो लोगों को “एक कलाकार” प्रदान करे, जो उनकी जेब में हो। इसलिए,概念ीकरण और प्रारंभिक विकास चरणों से ही, हमने उपयोगिता और स्केलेबिलिटी पर ध्यान केंद्रित किया। लेकिन समय पर बाजार में प्रवेश करने के बावजूद, यह हमारे इंस्टॉल वॉल्यूम को पर्याप्त स्तर तक बढ़ाना चुनौतीपूर्ण था, यहां तक कि हमारे पास एक उत्कृष्ट मीडिया खरीद टीम भी थी। तीन महीने बाद, जब हमारी अवतार सुविधा हाइप हो गई, तो एक महत्वपूर्ण बढ़ावा हुआ। मात्रा जल्द ही हमारे निचे के लिए मध्यम रूप से उच्च हो गई, और तब से, हमारा कार्य इसे बनाए रखना और बढ़ाना रहा है।

आपके द्वारा आर्टा को लॉन्च करने के लिए मूल तकनीकी स्टैक क्या था, और उस समय कला उत्पादन के साथ कुछ चुनौतियां क्या थीं?

हमने स्टेबल डिफ्यूजन 1.3 का उपयोग करके लॉन्च किया, जो स्टेबिलिटी.एआई से आधिकारिक एपीआई था। मैं कहूंगा कि उस समय और अब की पीढ़ी की गुणवत्ता के बीच स्थिति दिन और रात के बीच है। जब हम पहली बार शुरू किया, तो हमारे क्यूए मैनेजर अक्सर चित्रों के सौंदर्य मूल्य या विशिष्ट अवधारणाओं और विशेषताओं के प्रतिनिधित्व में असंगतताओं से संबंधित मुद्दों की रिपोर्ट करते थे। हालांकि, यह उस समय स्टेबल डिफ्यूजन के लिए मानक था। अब, पीढ़ी का आउटपुट सभी पहलुओं में, शैलीगत पुनरुत्पादन, संरचनात्मक सुसंगतता, दृश्य विश्वास, विवरण स्तर, और अधिक में बहुत बेहतर है।

ऐप के रिलीज़ के तुरंत बाद, हमने अमेज़ॅन पर सर्वर किराए पर लेना शुरू किया, और उन्हें समर्थन देना काफी चुनौतीपूर्ण साबित हुआ। पर्याप्त धन के साथ भी, जब आपको इसकी आवश्यकता होती है, तो कोई मुफ्त ए100 उपलब्ध नहीं हो सकता है, और आपको एक या दो दिन प्रतीक्षा करनी होगी। इसलिए, हमें ऑटोस्केल के बिना रहना पड़ा, और हमने अपने भागीदारों के एपीआई को सभी अतिरिक्त यातायात को पुनर्निर्देशित किया।

सभी को बनाए रखना अभी भी काफी मुश्किल है, लगभग हर महीने एक या दूसरे छोर पर छोटी समस्याएं होती हैं। उदाहरण के लिए, हम कभी-कभी अस्थायी समस्याओं का सामना करते हैं जब प्रदाता सर्वर को अपडेट करता है, वजन का परीक्षण करता है, या पीढ़ी के आउटपुट को प्रभावित करने वाले अन्य परिवर्तनों को लागू करता है। ऐसे त्रुटियां एक घंटे से लेकर आधे दिन तक चल सकती हैं और अप्रत्याशित और कठिन हैं जिनका पता लगाना। आमतौर पर, जब हमारा समर्थन विभाग उपयोगकर्ता की रिपोर्ट प्राप्त करता है कि धुंधली छवियों या किसी अन्य होने वाली समस्या के बारे में, एपीआई प्रदाता ने पहले ही समस्या का समाधान कर दिया होता है। हालांकि, यह हमारे उपयोगकर्ताओं के लिए एक गंभीर चिंता का विषय है। इसलिए, हम अब एक प्रणाली बना रहे हैं जो विशेष पीढ़ियों के लिए हमारे अपने सर्वरों और कई प्रदाताओं को जोड़ती है, जिससे हमें चीजों के हमारे पक्ष में अधिक नियंत्रण मिल सकता है।

एक प्रोडक्ट मैनेजर के रूप में, आर्टा को उसकी शीर्ष-स्तरीय स्थिति में ले जाने में कौन से रणनीतिक निर्णय महत्वपूर्ण रहे हैं?

आर्टा (उस समय एआईबी कहा जाता था) की शुरुआती वृद्धि वायरल अवतार सुविधा को लागू करने के समय पर निर्णय से उत्पन्न हुई जब यह सोशल मीडिया पर शुरू हो रहा था। हमने इस कार्यक्षमता में बढ़ती रुचि को जल्दी से पहचाना। हमारी पूरी टीम, जिसमें उत्पाद, विपणन और विकास शामिल थे, एक ही तरंगदैर्ध्य पर थी और इसकी सफलता के बारे में दूरदर्शी थी। हमने यह भी स्वीकार किया कि बाजार में समय महत्वपूर्ण था। इसलिए, दिन एक से, हमने इस सुविधा को प्राथमिकता देने और अन्य कार्यों से ऊपर रखने के लिए सभी संसाधनों को समर्पित किया।

चूंकि हमारी समय सीमा एएसएपी थी ताकि हम एआई अवतारों के शिखर तक पहुंचने के क्षण को न चूकें, इसलिए हमने तीसरे पक्ष के समाधान का उपयोग करने और इसे हमारे ऐप के लिए अनुकूलित करने का विकल्प चुना। जबकि अवतार मोबाइल पर लोकप्रियता हासिल कर रहे थे, प्रौद्योगिकी पहले से ही वेब पर उपलब्ध थी, यहां तक कि एक एपीआई के साथ भी। टीम के एकाग्र प्रयासों के कारण, हमारा पहला कार्यशील संस्करण केवल पांच दिनों में ऐप स्टोर में था, जो उच्च प्रतिस्पर्धी अवतार आउटपुट प्रदान करता था। इससे हमें अमेरिकी शीर्ष चार्ट में #2 स्थान हासिल करने में मदद मिली और हम एक सप्ताह के लिए यूएस में दूसरा सबसे अधिक डाउनलोड किया गया ऐप बने रहे।

आपकी टीम ने हाल ही में आर्टा की एआई अवतार पीढ़ी सुविधा में एक अपग्रेड जारी किया है। क्या आप इस संबंध में कुछ विवरण साझा कर सकते हैं?

एआई मॉडल प्रशिक्षण के दौरान सामान्य चेहरे की विशेषताओं को जोड़ते हैं, जिससे अवतार मूल फोटो से अलग दिखते हैं, और जितना अधिक विशिष्ट किसी की विशेषताएं होती हैं, उतना ही अधिक एआई व्याख्या से अलग दिख सकता है। इस मुद्दे को संबोधित करने के लिए, हमने अपनी खुद की अवतार सेवा बनाने का फैसला किया। हम लंबे समय से एक तीसरे पक्ष के एपीआई का उपयोग कर रहे थे लेकिन कोई महत्वपूर्ण सुधार नहीं देखा। सर्वर के साथ, हम अधिक अनुकूल प्रशिक्षण प्रौद्योगिकी स्थापित करने में सक्षम थे ताकि उपयोगकर्ता के वास्तविक चेहरे की समानता को अवतार आउटपुट में बेहतर ढंग से बनाए रखा जा सके। जबकि मैं विस्तार से हमारी अनोखी पाइपलाइन का वर्णन नहीं कर सकता, यह एसडीएक्सएल सेटिंग्स, लोरास, और चेहरे के सुधारकों के एक विशिष्ट संयोजन के कारण संभव हुआ, और हमने अभी तक कहीं और बेहतर परिणाम नहीं देखे हैं।

नई सर्वर के साथ, हम प्रति अवतार पैक के लिए निश्चित लागत से दूर हो गए और अब एक साप्ताहिक सदस्यता के माध्यम से अवतार प्रदान कर सकते हैं, न कि अलग-अलग इन-ऐप खरीदारी की आवश्यकता है। यह एक अधिक संतोषजनक अनुभव बनाता है और यदि वे एक सप्ताह के भीतर पांच अवतार पैक उत्पन्न करना चाहते हैं या जाने के दौरान फोटो इनपुट बदलना चाहते हैं तो यह हमारे उपयोगकर्ताओं के लिए बहुत सस्ता है। उपरोक्त सभी को देखते हुए, हमारा अवतार ऑफर वर्तमान में बाजार में सर्वोत्तम मूल्य-प्रदर्शन अनुपात का दावा करता है। जबकि ऐसे ऐप हैं जो उच्च-गुणवत्ता वाले वास्तविक अवतार बना सकते हैं, आर्टा वास्तविक शैलियों के अलावा रंगीन और उज्ज्वल आउटपुट संस्करणों की एक विविध श्रृंखला प्रदान करके खड़ा है, सभी में एक ही सटीक स्तर की चेहरे की पहचान के साथ।

किस अन्य तरीकों से टीम ने ऐप की क्षमताओं में सुधार किया है?

हमने निष्कर्ष निकाला कि सामान्य उपयोग के मामलों जैसे टेक्स्ट-टू-इमेज जनरेशन, इमेज रूपांतरण और इनपेंटिंग के लिए तीसरे पक्ष के एपीआई का उपयोग करना अधिक कुशल है। यह दृष्टिकोण हमें यह पता लगाने की आवश्यकता को समाप्त करता है कि इन कार्यक्षमताओं को हमारे सर्वर इन्फ्रास्ट्रक्चर में कैसे एकीकृत किया जाए। इसके अलावा, यह उन स्थितियों में लागत को कम करता है जब एक नई सुविधा अपेक्षित रूप से नहीं चलती है और हम इसे हटाने का निर्णय लेते हैं। एआई इमेज जनरेशन उद्योग तेजी से विकसित हो रहा है, जिसमें हमारे उद्देश्यों के अनुरूप कई समर्पित सेवाएं उपलब्ध हैं, इसलिए हम उन्हें धीरे-धीरे अपनाते हैं।

एक ही समय में, आर्टा की जरूरतें अक्सर अद्वितीय साबित होती हैं, जिन्हें इन-हाउस खोज की आवश्यकता होती है। जब विशिष्ट एपीआई या तो अस्तित्व में नहीं होते हैं या संतोषजनक आउटपुट गुणवत्ता प्रदान नहीं करते हैं, तो हम अपनी आंतरिक सेवाओं को विशेषज्ञता प्रदान करते हैं और अपने स्वयं के समाधान विकसित करते हैं जो हमें वांछित परिणाम देते हैं। उदाहरण के लिए, एआई अवतार को अपग्रेड करने के अलावा, हमारे एमएल और प्रॉम्प्ट इंजीनियरों ने ऐप की एआई फिल्टर (सेल्फी) सुविधा के लिए एक नई पाइपलाइन के साथ आया है। हमने अपनी आगामी एआई बेबी सुविधा के लिए एक अनोखा अल्गोरिथम भी विकसित किया है – एक उत्पन्न कार्यक्षमता जो दो लोगों को अपनी तस्वीरें मिलाने और देखने की अनुमति देती है कि उनका बच्चा कैसा दिख सकता है। मेरे रूप में एक उत्पाद प्रबंधक की दुनिया की धारणा के आधार पर, मैंने पहले इसकी सफलता पर संदेह किया, लेकिन विज्ञापन रचनाएं जो इस अवधारणा को प्रदर्शित करती हैं बहुत लोकप्रिय हैं। इसलिए, विपणन अंतर्दृष्टि की जांच करना विशेष रूप से सामग्री-संबंधित मामलों में सहायक है।

क्या उपयोगकर्ता आर्टा में कलात्मक प्रक्रिया को प्रभावित कर सकते हैं? यदि हां, तो उपयोगकर्ताओं के लिए अपने एआई-जनित कलाकृति को अनुकूलित करने के लिए कौन से उपकरण और विकल्प उपलब्ध हैं?

हम जटिल पहलुओं को संभालते हैं जो पीढ़ी से संबंधित हैं, उपयोगकर्ताओं को एक सरल कलात्मक अनुभव प्रदान करने का लक्ष्य रखते हुए, जिसमें अनावश्यक तकनीकी भार नहीं है। इसलिए, आउटपुट को प्रभावित करने का प्राथमिक तरीका प्रॉम्प्ट के माध्यम से है। हम प्रक्रिया को पारदर्शी रखते हुए दिखाते हैं कि मॉडल को पीढ़ी के लिए भेजा जाने वाला वास्तविक शब्द अनुरोध क्या होगा और केवल तभी प्रभावी प्रॉम्प्ट की रचना में सहायता प्रदान करते हैं जब इसकी आवश्यकता होती है।

हम प्रत्येक एकीकृत मॉडल के लिए सर्वोत्तम डिफ़ॉल्ट सेटिंग्स का चयन करते हैं ताकि उपयोगकर्ताओं को इसके बारे में चिंता न करनी पड़े। आमतौर पर, उन्हें अधिकतम परिणाम प्राप्त करने के लिए उन्हें समायोजित करने की आवश्यकता नहीं है, क्योंकि वे पहले से ही एक अनुकूलन योग्य पीढ़ी आउटपुट प्रदान करते हैं। फिर भी, यदि उपयोगकर्ता प्रयोग करना चाहता है, तो एक उन्नत मोड एक टैप दूर है, और कुछ गहरे पैरामीटर सेटिंग्स अनुभाग में हैं।

जल्द ही, हम एक बीज पैरामीटर जोड़ेंगे जो उपयोगकर्ताओं को पीढ़ी पर पूर्ण नियंत्रण प्रदान करेगा जब उन्हें शुरू से एक ही छवि को पुनः उत्पन्न करने की आवश्यकता होगी। इसके अलावा, हम पहले से ही नियमित पीढ़ियों के लिए नियंत्रण नेटवर्क जोड़ने पर विचार कर रहे हैं। वे पहले से ही सर्वर साइड पर समर्थित हैं, क्योंकि हम उन्हें एआई फिल्टर और स्केच उत्पन्न करने के लिए उपयोग करते हैं, लेकिन वे अभी तक अंतिम उपयोगकर्ताओं को वितरित नहीं किए गए हैं।

आप एआई जैसे आर्टा के पारंपरिक कला बाजार पर प्रभाव को कैसे देखते हैं? क्या आप एआई कला पीढ़ी को व्यवधान के रूप में देखते हैं या कला उद्योग में एक सुधार के रूप में?

मैं इसे एक सुधार के रूप में देखता हूं। जनरेटिव एआई ने कलात्मक प्रक्रिया में नए और मूल्यवान अवसर पेश किए हैं, जिससे डिजिटल कलाकारों, डिजाइनरों, चित्रकारों, और अन्य दृश्य सामग्री निर्माताओं को विभिन्न कार्यों में मदद मिली है, जिनमें विचारों का अन्वेषण, अवधारणाओं का विकास, स्केचअप और तैयार छवियों का उत्पादन शामिल है। अंततः, इसकी प्रगति का लाभ उठाने की हमारी क्षमता केवल हमारी कल्पना से सीमित है।

उदाहरण के लिए, मुझे पीसी गेम बनाने का शौक है, और हाल ही में मैंने आर्टा का उपयोग कौशल और आइटम के लिए एक सेट आइकन उत्पन्न करने के लिए किया। मैं उन्हें स्वयं एडोब इलस्ट्रेटर का उपयोग करके डिज़ाइन कर सकता था, लेकिन एक छवि जनरेटर के साथ, मुझे जो चाहिए था वह लगभग तुरंत मिल गया। मेरी पत्नी, बदले में, एक रेटचर-फोटोग्राफर है। फोटोशॉप के जनरेटिव फिल के लिए धन्यवाद, वह अब तेजी से काम करती है और उसके पास अधिक खाली समय है (या अधिक आय यदि वह अधिक रेटचिंग ऑर्डर स्वीकार करने का निर्णय लेती है)।

जब अच्छी तरह से किया जाता है, तो एआई-जनित छवियां पेशेवर कला के साथ भेदभावपूर्ण दिख सकती हैं। हालांकि, मेरे विचार में, एआई कभी भी एक सच्चे पेशेवर को प्रतिस्थापित नहीं करेगा। चाहे न्यूरल नेटवर्क कितने भी कुशल क्यों न हो जाएं, वे अभी भी मानव द्वारा बनाई गई डेटा पर प्रशिक्षित होते हैं, जिसका अर्थ है कि वे जो कुछ भी उत्पन्न करते हैं वह पहले से ही कहीं न कहीं मौजूद है। जैसा कि पहले और अब, वास्तव में नवाचार विचार केवल लोगों द्वारा ही उत्पन्न किए जा सकते हैं। जबकि कला का पारंपरिक अर्थ मानव-निर्मित टुकड़ों से जुड़ा हुआ है, एआई कला एक प्रत्याशित स्पिन-ऑफ की तरह है, जो सभी को – चाहे उनकी कलात्मक पृष्ठभूमि कुछ भी हो – एक रोमांचक नए अनुभव की कोशिश करने के लिए आमंत्रित करता है।

आप एआई इमेज जनरेशन के भविष्य को किस दिशा में देखते हैं?

छवि गुणवत्ता के साथ-साथ, पीढ़ी की गति में वृद्धि होगी, जो स्वचालित रूप से अधिक लागत-प्रभावी आउटपुट की ओर ले जाएगी।

मुझे लगता है कि यह बहुत दूर नहीं होगा जब हम एक ही पात्रों को विभिन्न परिवेश और स्थितियों में उत्पन्न करने का एक आसान तरीका देखेंगे, जिससे हम एआई का उपयोग कॉमिक्स, बच्चों की पुस्तकों, गेम ग्राफिक्स और अधिक में देखेंगे। इंटीरियर डिजाइन और विज्ञापन रचना उत्पादन पहले से ही सक्रिय रूप से जनरेटिव एआई का लाभ उठा रहे हैं, लेकिन जैसे-जैसे प्रौद्योगिकी विकसित होती है, हमारे लिए और भी बहुत कुछ है।

चूंकि सभी पीढ़ियों के लिए मजबूत जीपीयू की आवश्यकता होती है, इसलिए ये प्रौद्योगिकियां एआई के साथ काफी समय तक विकसित होंगी। हम इस यात्रा की शुरुआत में ही हैं। शायद हमारे समय का नया एप्पल एनवीडिया होगा, जिसकी हर कोई, या कम से कम आईटी उद्योग में, नए वीडियो कार्ड रिलीज की प्रतीक्षा कर रहा है, जैसा कि हम सभी ने आईफोन के साथ किया था।

एआई इमेज जनरेटर मनोरंजक और आकर्षक अनुभवों की पेशकश करते रहेंगे, चाहे वह पॉप संस्कृति से उभरने वाली नई अवधारणाओं को पेश करके या बेहतर प्रौद्योगिकी के साथ पुराने विचारों को पुनर्जीवित करके। उदाहरण के लिए, एआई बेबी पीढ़ी में रुचि वर्तमान में बढ़ रही है। हाल ही में स्टेबल डिफ्यूजन पर आधारित एक प्रौद्योगिकी ने दो व्यक्तियों की विशेषताओं को मिलाकर उनके जैविक बच्चे की संभावित उपस्थिति को प्रकट करने वाले उत्कृष्ट आउटपुट का प्रदर्शन किया है। परिणाम कुछ वर्षों पूर्व होरोस्कोप साइटों पर उपलब्ध चीजों से बहुत आगे निकल गए हैं, और लोग इसे फिर से आजमाने के लिए उत्सुक हैं।

आप जनरेटिव एआई से क्या अपेक्षा करते हैं?

वीडियो जनरेशन की लोकप्रियता की लहर क्षितिज पर है। प्रौद्योगिकी पर्याप्त स्तर तक पहुंचने के साथ, निश्चित रूप से लोगों के चेहरे के भावों और इशारों का उपयोग करके वीडियो अवतार बनाने के लिए न्यूरल नेटवर्क को प्रशिक्षित करने के प्रयास होंगे, संभावित रूप से यहां तक कि विशिष्ट उपयोगकर्ता आवाजों के साथ भी।

एआई ऑडियो एक और महत्वपूर्ण सफलता है जो संगीत उत्पादन उद्योग के लिए एक नए युग की शुरुआत कर रही है। यह प्रौद्योगिकी पहले से ही केवल पाठ इनपुट पर आधारित गीतों की रचना के लिए अद्भुत अवसर प्रस्तुत करती है, जिससे यह विभिन्न प्रकार की वीडियो सामग्री के लिए कस्टम गैर-स्टॉक साउंडट्रैक बनाने के लिए एक उत्कृष्ट उपकरण बन जाता है। समग्र रूप से, यह सुनने में बहुत मजेदार है कि कुछ इतना साधारण जैसे नियम और शर्तों को रैप या रोमांटिक स्वर में गाया जा रहा है।

धन्यवाद इस शानदार साक्षात्कार के लिए, जो पाठक अधिक जानना चाहते हैं या कुछ छवियां उत्पन्न करना चाहते हैं उन्हें आर्टा पर जाना चाहिए।