Ernest Piatrovich, produktchef på ARTA – Intervjuserie

Ernest Piatrovich är produktchef på AIBY Group, som leder en av företagets toppklassiga AI-drivna appar, KONSTEN – AI Image Generator för iPhone och Android. Hans strategiska vision och kreativa tänkande resulterade i att appen nådde #2-positionen i den amerikanska App Store-topplistan kort efter lanseringen, korsade milstolpen med 15 miljoner nedladdningar över hela världen och erbjuder de bäst presterande AI-avatarerna baserade på en unik in- huspipeline, bland andra framgångar.

Du har varit ansvarig för att hantera ARTA – AI Art-generatorn från idéfasen fram till nu. Skulle du kunna dela med dig av några insikter om dessa tidiga dagar?

Självklart! Det var dynamiska tider. Vi lyckades släppa en välgjord applikation inom bara en vecka, och blev en av de första konsumentappskaparna som erbjuder text-till-bild-genereringsfunktioner på mobilen. Vårt mål var att bygga en massmarknadsprodukt som ger människor "en artist" i fickan. Så sedan konceptualiseringen och tidiga utvecklingsstadier har vi fokuserat på användbarhet och skalbarhet. Men trots att vi kom in på marknaden mycket lägligt var det ganska utmanande att öka våra installationsvolymer i tillräcklig utsträckning, även med ett briljant medieköpteam som vårt. En betydande ökning inträffade tre månader efter appens lansering när vår Avatar-funktion blev hypad. Volymen blev snabbt måttligt hög för vår nisch och sedan dess har vår uppgift varit att underhålla och öka den.

Vilken var den ursprungliga teknikstacken som du startade på och vilka var några av utmaningarna med konstgenerering under denna period?

Vi lanserade baserat på Stable Diffusion 1.3 med det officiella API:et från Stability.ai. Jag skulle säga att situationen med kvaliteten på generationer då och nu är som natt och dag. När vi först började rapporterade våra QA-chefer ofta problem relaterade till det estetiska värdet av bilder eller felaktigheter i att representera specifika koncept och funktioner. Det var dock standard för Stable Diffusion på den tiden. Nu är produktionen mycket bättre i alla aspekter, inklusive stilistisk återgivning, kompositionssammanhang, visuell trohet, detaljnivå och mer.

Strax efter att appen släpptes började vi hyra servrar på Amazon, och det visade sig vara en stor utmaning att stödja dem. Även med tillräckliga medel, kanske det inte finns någon gratis A100 tillgänglig när du behöver den, och du måste vänta i ett par dagar. Därmed var vi tvungna att leva utan automatisk skalning och omdirigera all överskottstrafik till våra partners API:er.

Att underhålla allt detta är fortfarande ganska svårt än idag, med mindre problem som uppstår i den ena eller andra änden varje månad eller så. Till exempel stöter vi ibland på tillfälliga problem med kvaliteten på generationer när leverantören uppdaterar servern, testar vikter eller implementerar andra ändringar som påverkar generationsutdata. Sådana fel kan pågå från en timme till en halv dag och är oförutsägbara och svåra att spåra. Vanligtvis, när vår supportavdelning får en användarrapport om suddiga bilder eller något annat förekommande problem, har API-leverantören redan åtgärdat problemet. Det är dock ett allvarligt bekymmer för våra användare. Därför bygger vi nu ett system som kombinerar flera leverantörer och våra egna servrar för speciella generationer, vilket gör att vi kan ha mer kontroll på vår sida.

Vilka strategiska beslut som produktchef har varit avgörande för att vägleda ARTA till sin topplacering kort efter lanseringen?

ARTA:s (på den tiden kallade Aiby) tidiga uppgången var resultatet av det snabba beslutet att implementera den virala Avatar-funktionen när den precis började göra rundor på sociala medier. Vi insåg snabbt det växande intresset för denna funktionalitet. Hela vårt team, inklusive produkt, marknadsföring och utveckling, var på samma våglängd och visionär om dess framgång. Vi erkände också att en kort tid till marknaden var avgörande. Så från dag ett ägnade vi alla våra resurser åt att realisera den här funktionen och prioriterade den framför andra uppgifter.

Eftersom vår deadline var ASAP för att inte missa ögonblicket när AI-avatarer når sin hype-peak, valde vi att använda en tredjepartslösning och anpassa den för vår app. Medan avatarer började få dragkraft på mobilen, hade tekniken redan varit tillgänglig på webben ett tag, även med ett API. Tack vare teamets koncentrerade ansträngningar fanns vår första fungerande version i App Store på bara fem dagar, och erbjuder mycket konkurrenskraftiga avatarutdata. Det hjälpte oss att nå #2-positionen på de amerikanska topplistorna och förbli den näst mest nedladdade appen i USA i en vecka.

Ditt team har nyligen släppt en uppgradering till ARTAs AI-avatargenereringsfunktion. Kan du dela med dig av några detaljer om detta?

AI-modellerna tenderar att lägga till generiska ansiktsdrag under träning, vilket gör att avatarer ser annorlunda ut än källbilderna, och ju mer unika ens egenskaper är, desto mer olik AI-tolkningen kan verka. För att lösa detta problem bestämde vi oss för att skapa vår egen avatartjänst. Vi hade använt ett tredjeparts-API under lång tid men gav inga betydande förbättringar. Med serverskiftet kunde vi ställa in mer optimal träningsteknik för att bättre bibehålla likheten med användarens verkliga ansikte i avatarutgången. Även om jag inte kan avslöja vår unika pipeline i detalj, blev det möjligt på grund av en specifik kombination av SDXL-inställningar, LORAs och ansiktsförstärkare, och vi har ännu inte sett bättre resultat någon annanstans.

Med den nya servern gick vi bort från en fast kostnad för varje avatarpaket till en månatlig serveravgift och kan nu erbjuda avatarer genom ett veckoabonnemang istället för att kräva separata köp i appen. Det skapar en mer tillfredsställande upplevelse och är mycket billigare för våra användare om de vill generera till exempel fem avatarpaket inom en vecka eller ändra fotoinmatningen allt eftersom. Med tanke på allt ovanstående har vårt avatarerbjudande för närvarande det bästa pris-prestanda-förhållandet på marknaden. Även om det finns appar som kan skapa realistiska avatarer av hög kvalitet, utmärker sig ARTA genom att tillhandahålla ett brett utbud av ljusa och färgglada utdatavarianter förutom realistiska stilar, alla med samma exakta nivå av ansiktsigenkänning.

På vilka andra sätt har teamet förbättrat appens möjligheter?

Vi drog slutsatsen att det är mer effektivt att använda API:er från tredje part för vanliga användningsfall som text-till-bild-generering, bildkonvertering och målning. Detta tillvägagångssätt eliminerar behovet av att lägga tid på att ta reda på hur man integrerar dessa funktioner i vår serverinfrastruktur. Dessutom minskar det kostnaderna i situationer när en ny funktion inte tar fart som förväntat och vi beslutar att ta bort den. AI-bildgenereringsbranschen utvecklas snabbt, med många dedikerade tjänster tillgängliga, så vi utforskar och antar gradvis de som är i linje med våra mål.

Samtidigt visar sig ARTAs behov ofta vara ganska unika och kräver in-house fynd. I de fall då skräddarsydda API:er antingen inte finns eller inte ger tillfredsställande utskriftskvalitet, specialiserar och anpassar vi våra interna tjänster och utvecklar våra egna lösningar för att uppnå de resultat vi vill ha. Till exempel, förutom att uppgradera AI-avatarer, har våra ML- och snabbingenjörer kommit med en ny pipeline för appens AI-filter (Selfies)-funktion. Vi har också utvecklat en unik algoritm för vår kommande AI Baby-funktion – en genererande funktion som låter två personer slå samman sina bilder och se hur deras barn kan se ut. Baserat på min uppfattning om världen som produktchef tvivlade jag först på dess framgång, men annonsmaterial med detta koncept är mycket populära. Så att kolla upp marknadsföringsinsikter är särskilt användbart i innehållsrelaterade fall.

Kan användare påverka den konstnärliga processen i ARTA? Om så är fallet, vilka verktyg och alternativ finns tillgängliga för användare att anpassa det AI-genererade konstverket?

Vi hanterar alla komplexa aspekter relaterade till generation, med målet att ge våra användare en enkel konstnärlig upplevelse utan onödig teknisk överbelastning. Så det primära sättet som användare påverkar resultatet är genom uppmaningar. Vi håller denna process transparent genom att visa den exakta ordförfrågan som kommer att skickas till modellen för generering och erbjuder endast hjälp med att skapa effektiva uppmaningar om det behövs.

Vi väljer de bästa standardinställningarna för varje integrerad modell så att användarna inte bryr sig om det. Vanligtvis finns det inget behov av att justera dem för att maximera resultatet, eftersom de redan producerar en optimal produktion. Ändå, om användaren vill experimentera, är ett avancerat läge ett tryck bort, och några djupare parametrar finns i inställningssektionen.

Snart kommer vi att lägga till en Seed-parameter, så att användare kan ha fullständig kontroll över genereringen när de behöver återskapa en identisk bild från grunden. Dessutom planerar vi att utöka listan över bildförhållanden. Vi funderar också på att lägga till flera kontrollnät till vanliga generationer. De stöds redan på serversidan, eftersom vi använder dem för att generera AI-filter och skisser, men de har ännu inte levererats till slutanvändare.

Hur uppfattar du effekten av AI som ARTA på den traditionella konstmarknaden? Ser du AI-konstgenerering som en störning eller en förbättring av konstindustrin?

Jag ser det som en förbättring. Generativ AI har introducerat nya och värdefulla möjligheter för att förbättra den konstnärliga processen samtidigt som den avsevärt minskar omloppstiden. Den hjälper digitala konstnärer, designers, illustratörer och andra skapare av visuellt innehåll med en mängd olika uppgifter, från att utforska idéer och utveckla koncept till att skapa skisser och färdiga bilder. I slutändan är vår förmåga att utnyttja dess framsteg endast begränsad av vår fantasi.

Till exempel har jag en hobby att skapa PC-spel, och nyligen använde jag ARTA för att skapa en uppsättning ikoner för färdigheter och föremål. Jag kunde designa dem på egen hand med Adobe Illustrator, men med en bildgenerator fick jag det jag behövde nästan direkt. Min fru är i sin tur retuschör-fotograf. Tack vare Photoshops Generative Fill arbetar hon mycket snabbare och har mer fritid (eller mer inkomst om hon bestämmer sig för att acceptera fler retuscheringsbeställningar).

När de görs väl kan AI-genererade bilder se omöjliga att skilja från professionella konstverk. Men enligt min åsikt kommer AI aldrig att ersätta en riktig professionell. Oavsett hur skickliga neurala nätverk blir, tränas de fortfarande på data som skapats av människor, vilket betyder att allt de genererar redan finns någonstans. Som då och nu kan verkligt innovativa idéer bara produceras av människor. Medan den traditionella betydelsen av konst förblir förknippad med mänskliga verk, är AI-konst som en förväntad spinoff, som bjuder in alla, oavsett konstnärlig bakgrund, att prova en spännande ny upplevelse.

Om du ser bortom att bara förbättra bildkvaliteten, var ser du framtiden för AI-bildgenerering på väg?

Tillsammans med bildkvaliteten kommer generationshastigheten att öka, vilket automatiskt leder till mer kostnadseffektiva utdata.

Jag tror att det inte kommer att dröja länge innan det finns ett enkelt sätt att generera samma karaktärer i olika miljöer och positioner så att vi kommer att se framväxten av AI i serier, barnböcker, spelgrafik och mer. Inredningsdesign och produktion av annonsmaterial är redan de sfärer som aktivt utnyttjar generativ AI, men mer ligger framför oss när tekniken fortsätter att utvecklas.

Med tanke på att alla generationer kräver starka GPU:er kommer dessa teknologier att utvecklas tillsammans med AI under ganska lång tid. Vi är bara i början av resan. Kanske kommer vår tids nya Apple att vara Nvidia, där alla, eller åtminstone de inom IT-branschen, väntar på nya grafikkortssläpp precis som vi alla gjorde med iPhones.

AI-bildgeneratorer kommer att fortsätta att leverera roliga och engagerande upplevelser, antingen genom att introducera nya koncept som kommer från popkulturen eller genom att återuppliva äldre idéer förstärkta med bättre teknik. Till exempel växer intresset för AI Baby-generationer för närvarande. En ny teknik baserad på stabil diffusion har visat imponerande resultat från att slå samman två individers egenskaper för att avslöja deras biologiska barns potentiella utseende. Resultaten överträffar vida vad som fanns på horoskopsajter för några år sedan, och folk är ivriga att ge det ett nytt försök.

Vad är dina förutsägelser om vad vi kan förvänta oss härnäst av Generative AI?

Vågen av popularitet för videogenerering är vid horisonten. Med framsteg inom teknik som når en tillräcklig nivå kommer det utan tvekan att finnas försök att träna neurala nätverk med hjälp av människors ansiktsuttryck och gester för att skapa videoavatarer, potentiellt även med unika användarröster.

AI Audio är ett annat betydande genombrott som inleder en ny era för musikproduktionsindustrin. Den här tekniken har redan presenterat fantastiska möjligheter för att komponera låtar baserade enbart på textinmatning, vilket gör den till ett utmärkt verktyg för att skapa anpassade ljudspår som inte finns i lager för olika typer av videoinnehåll. Sammantaget är det riktigt kul att lyssna på något så vardagligt som användarvillkor som rappas eller sjungs med romantisk intonation.

Tack för den fantastiska intervjun, läsare som vill veta mer eller generera några bilder bör besöka KONSTEN.