ดร. ยาอีร์ อาดาโต้ ซีอีโอและผู้ก่อตั้ง Bria – ซีรีส์สัมภาษณ์

ดร. ยาอีร์ อาดาโต้ ซีอีโอและผู้ก่อตั้ง Bria เป็นผู้เชี่ยวชาญด้านการเรียนรู้ของเครื่องและวิชาการมองเห็นที่ได้รับการยอมรับในการเชื่อมโยงเทคโนโลยีขั้นสูงกับการใช้งานทางธุรกิจจริง ก่อนที่จะก่อตั้ง Bria เขา曾ดำรงตำแหน่ง CTO ของ Trax Retail โดยมีบทบาทสำคัญในการเปลี่ยนแปลงบริษัทจากสตาร์ทอัพขนาดเล็ก 20 คนเป็นยูนิคอร์นระดับโลกที่มีพนักงานมากกว่า 850 คน ในระหว่างอาชีพการงานของเขา Yair ยังได้ให้คำปรึกษากับธุรกิจที่ขับเคลื่อนด้วย AI หลายแห่ง รวมถึง Sparx, Vicomi, Tasq, DataGen และ Anima การเป็นผู้นำของเขาถูกกำหนดโดยความมุ่งมั่นที่แข็งแกร่งต่อนวัตกรรมที่รับผิดชอบ การเป็นเจ้าของข้อมูล และการทำให้ AI มีความเข้าถึงได้

Bria เป็นบริษัทที่มีแนวทางใหม่ในด้าน AI ที่สร้างภาพแบบสร้างสรรค์และรับผิดชอบ โดยมีภารกิจในการสร้างแพลตฟอร์มที่เปิดกว้างและยุติธรรมสำหรับการสร้างภาพ บริษัทมีวิธีการที่เป็นเอกลักษณ์ในการให้รางวัลแก่ผู้ให้ข้อมูลสำหรับการมีส่วนร่วมผ่านเครื่องมือการให้เครดิต ซึ่งทำให้เกิดความโปร่งใสและความยุติธรรมในระบบ AI โดยการเน้นไปที่ความสร้างสรรค์ การทำงานร่วมกัน และการปฏิบัติตามกฎระเบียบ Bria จึงช่วยให้องค์กรต่างๆ สามารถรวม AI ที่สร้างภาพเข้าไปในกระบวนการทำงานได้อย่างปลอดภัย ในขณะเดียวกันก็สร้างมาตรฐานใหม่สำหรับการรับผิดชอบและความไว้วางใจในอุตสาหกรรมเนื้อหาที่มองเห็นได้

คุณก่อตั้ง Bria เพื่อสร้างแพลตฟอร์มที่รับผิดชอบและเปิดกว้างสำหรับ AI ที่สร้างภาพ คุณได้รับแรงบันดาลใจจากอะไรในการก่อตั้งบริษัท และคุณได้พบกับอุปสรรคหรือการได้รับข้อมูลเชิงลึกในช่วงแรกๆ ที่กำหนดทิศทางของบริษัทอย่างไร?

ฉันเห็น Goodfellow นำเสนอเอกสาร GAN ในปี 2014 และมันชัดเจนว่าการผลิตสร้างสรรค์จะเปลี่ยนแปลงไปอย่างพื้นฐาน การนำเสนอเหล่านั้น ทำให้เห็นผลกระทบอย่างชัดเจน—นี่ไม่ใช่แค่การปรับปรุงเชิงกระบวนการ แต่เป็นรูปแบบใหม่ของวิธีการที่เครื่องจักรสามารถเรียนรู้เพื่อสร้างเนื้อหาที่มองเห็นได้

แต่ตั้งแต่ต้น ฉันรับรู้ถึงช่องว่างพื้นฐานในการสร้างระบบเหล่านี้: ไม่มีการรับผิดชอบต่อข้อมูลการฝึก ไม่มีกรอบการทำงานที่รับผิดชอบ ไม่มีการพิจารณาสำหรับผู้สร้างที่ทำให้ทุกอย่างเป็นไปได้

ความท้าทายในช่วงแรกไม่ใช่เรื่องเทคนิค แต่เป็นเรื่องโครงสร้าง วิธีการสร้าง AI ที่สร้างภาพที่เพิ่มผลงานสร้างสรรค์โดยไม่ทำลายผู้ที่สร้างมันอย่างไร วิธีการทำให้ระบบเหล่านี้ใช้งานได้ในสภาพแวดล้อมการผลิตที่ความแน่นอนทางกฎหมายมีความสำคัญไม่แพ้กับคุณภาพของผลลัพธ์ คำถามเหล่านี้กำหนดทุกสิ่งที่เราสร้าง เราก่อตั้ง Bria ตามหลักการที่ว่านวัตกรรมและความรับผิดชอบไม่ใช่แรงต้านที่ต่อต้านกัน—ทั้งสองจะต้องก้าวหน้าไปด้วยกัน หรือเทคโนโลยีจะล้มเหลวทุกคน

ภูมิหลังทางวิชาการของคุณในด้านการมองเห็นและผลงานการประดิษฐ์มากกว่า 50 รายการเป็นสะพานเชื่อมระหว่างการวิจัยและนวัตกรรมในโลกแห่งความเป็นจริง อย่างไรการมีประสบการณ์นี้มีอิทธิพลต่อแผนเทคนิคและกลยุทธ์ระยะยาวของ Bria?

การวิจัยของฉันสอนให้ฉันคิดในระบบ—วิธีที่ชั้นต่างๆ ของความเข้าใจเชื่อมต่อกันเพื่อสร้างความหมาย สิทธิบัตรหลายฉบับของฉันเน้นไปที่วิธีการที่เครื่องจักรตีความโครงสร้างของข้อมูลที่มองเห็นได้ และความคิดนี้ได้ถ่ายทอดไปสู่แนวทางของ Bria เรามองการสร้างภาพเป็นกระบวนการเชิงประกอบ ไม่ใช่กระบวนการแบบสุ่ม

แต่สิทธิบัตรเหล่านั้นไม่ได้แค่เกี่ยวกับเทคโนโลยี—มันเกี่ยวกับการเชื่อมโยงเทคโนโลยีกับความเป็นจริงทางธุรกิจ ส่วนสำคัญของพอร์ตโฟลิโอ IP ของเราตอบสนองต่อชั้นระบบ: วิธีการสร้างเฟรมเวิร์กการให้เครดิตที่เชื่อมต่อเนื้อหาที่สร้างขึ้นกลับไปยังแหล่งที่มาของการฝึกอบรมอย่างไร วิธีการสร้างแบบจำลองเศรษฐกิจที่ชดเชยผู้สร้างในระดับใหญ่ๆ สิ่งเหล่านี้ไม่ใช่ปัญหาเทคนิคที่บริสุทธิ์—เป็นปัญหาของโครงสร้างพื้นฐาน ธุรกิจ และการออกแบบตลาด

มุมมองกว้างๆ นี้กำหนดกลยุทธ์ระยะยาวของเรา นวัตกรรมไม่ใช่แค่การปรับปรุงโมเดลพื้นฐาน มันเกี่ยวกับการสร้างโครงสร้างทางเศรษฐกิจใหม่ๆ โครงสร้างสัญญาใหม่ๆ วิธีการดำเนินงานใหม่ๆ ของอุตสาหกรรม การมุ่งหมายไม่ใช่แค่ผลลัพธ์ที่ดีขึ้น—มันคือการเข้าใจว่าผลลัพธ์เหล่านั้นเกิดขึ้นได้อย่างไร ใครมีส่วนร่วม และมูลค่าไหลผ่านระบบอย่างไร นั่นคือที่ที่วิทยาศาสตร์พบกับการคิดผลิตภัณฑ์พบกับโครงสร้างธุรกิจ

Bria เพิ่งประกาศ FIBO ซึ่งถูกอธิบายว่าเป็นโมเดลพื้นฐานการสร้างภาพที่กำหนดได้สำหรับการสร้างภาพ AI ระดับมืออาชีพเป็นครั้งแรก สิ่งที่ทำให้ FIBO แตกต่างจากระบบ AI ที่มองเห็นได้แบบอื่นๆ อย่างพื้นฐานคืออะไร?

ชื่อของมันเองส่งสัญญาณถึงแนวทางของเรา: FIBO ย่อมาจาก Fibonacci ซึ่งเป็นลำดับทางคณิตศาสตร์ที่มีชื่อเสียงในเรื่องคุณสมบัติทางสุนทรียศาสตร์ อัตราส่วนทอง—อัตราส่วนระหว่างตัวเลขที่ต่อเนื่องกันในลำดับ Fibonacci—ปรากฏในเรื่องที่เราเห็นว่าเป็นสัดส่วนสุนทรียศาสตร์ข้ามคณิตศาสตร์ ศิลปะที่มองเห็นได้ จริยศาสตร์ และสถาปัตยกรรม คุณเห็นสิ่งนี้ในขนาดของพานเทียนโรมันและบ้านขาว ในร่างกายมนุษย์และใบหน้าตามที่อธิบายไว้ในภาพวาด Vitruvian Man ของเลโอนาร์โด ดา วินชี และในรูปแบบธรรมชาติอื่นๆ การเชื่อมโยงนี้ระหว่างโครงสร้างทางคณิตศาสตร์และคุณค่าทางสุนทรียศาสตร์เป็นสิ่งที่ FIBO ต้องการให้สำเร็จ: คุณภาพสุนทรียะผ่านโครงสร้างรูปแบบ

FIBO เปลี่ยนความสัมพันธ์ระหว่างความตั้งใจและผลลัพธ์ ระบบ AI ที่มองเห็นได้ส่วนใหญ่แทรกชั้นการแปลระหว่างสิ่งที่คุณต้องการและสิ่งที่คุณได้รับ—คุณเขียนคำสั่ง โมเดลแปลผ่านตัวเข้ารหัสภาษา ส่งผ่านเสียงรบกวน และคุณหวังว่าผลลัพธ์จะตรงกับความคิดของคุณ FIBO ลบชั้นเหล่านั้นออกไปทั้งหมด

เราได้ทำให้ AI ที่มองเห็นได้ทำงานเหมือนโค้ด—ทุกองค์ประกอบสร้างสรรค์สามารถแก้ไขและทำซ้ำได้ นี่คือการผ่าทางสำหรับมืออาชีพที่ติดอยู่กับการเล่นลูกเต๋าโพรมปต์.. สิ่งนี้หมายความว่าทุกองค์ประกอบ แสง ทิศทางของกล้อง พาเลทสี การจัดองค์ประกอบ รูปแบบ มีอยู่ในรูปแบบคุณสมบัติที่ชัดเจนและควบคุมได้ โครงสร้าง JSON ช่วยให้คุณสามารถแก้ไขเฉพาะพารามิเตอร์ที่คุณต้องการ ในขณะที่ล็อกพารามิเตอร์อื่นๆ คุณสามารถปรับระดับความเข้มของแสงโดยไม่ส่งผลกระทบต่อองค์ประกอบ หรือเปลี่ยนทิศทางของกล้องโดยไม่เปลี่ยนพาเลทสี ระบบจะทำตามที่คุณระบุไว้ ทุกครั้ง

เรากำลังจัดงานแฮกกาธอนกับ Fal และ NVIDIA (NVDA ) เพื่อแสดงให้นักพัฒนาดูว่าการสร้างภาพที่กำหนดจริงๆ ทำงานอย่างไรในทางปฏิบัติ โครงสร้าง JSON เองเปิดกล่องดำ—คุณสามารถเห็นได้อย่างแม่นยำว่าพารามิเตอร์ใดที่สร้างภาพขึ้น และสามารถทำซ้ำและปรับเปลี่ยนได้อย่างแม่นยำ มันเป็นรูปแบบที่แตกต่างจากวิศวกรรมโพรมปต์

ระบบ AI ที่มองเห็นแบบดั้งเดิมพึ่งพาโพรมปต์ที่ซับซ้อนมากขึ้นเพื่อให้ได้ผลลัพธ์เฉพาะ วิธีการของ FIBO ช่วยแก้ปัญหาความซับซ้อนของโพรมปต์ได้อย่างไร?

มีปัญหา 2 ข้อที่ต้องแก้ไข ข้อแรก คือปัญหาความสุ่มของโพรมปต์ที่มีอยู่เพราะโมเดลปัจจุบันพยายามดึงความตั้งใจของผู้ใช้และเพิ่มสิ่งที่โมเดล “คิด” ว่าเป็นสุนทรียศาสตร์หรือต้องการผ่านการปรับปรุงโพรมปต์ ข้อที่สอง คือการขาดการควบคุมในคุณสมบัติระดับมืออาชีพ

FIBO กลับกัน โมเดลถูกฝึกฝนมากกว่า 1,000 คำอธิบายภาพต่อภาพที่เข้ารหัสคุณสมบัติอิสระมากกว่า 100 รายการในรูปแบบ JSON นี่ไม่ได้ถูกประมวลผลหลังการหรือแยกออกมา—เป็นรูปแบบการฝึกอบรมดั้งเดิม เนื่องจากคุณสมบัติแต่ละรายการแสดงอยู่เชิงโครงสร้างตั้งแต่ต้น โมเดลจึงเรียนรู้การสร้างภาพเป็นชุดของคุณสมบัติที่ควบคุมได้และแยกจากกัน ไม่ใช่การแปลที่คลุมเครือของข้อความ

สิ่งนี้หมายความว่าในทางปฏิบัติ คุณกำหนดความตั้งใจทางสุนทรียะผ่านโครงสร้าง ไม่ใช่ผ่าน “โพรมปต์และอธิษฐาน” ระดับการจับคู่ข้อความกับภาพพื้นฐานสูงกว่าอย่างพื้นฐาน เนื่องจากไม่มีชั้นการแปล คุณพูดภาษาโมเดลที่เป็นภาษาแม่ และเนื่องจากคุณสมบัติเป็นอิสระ คุณสามารถวนซ้ำในเรื่องแสงโดยไม่ต้องเปลี่ยนองค์ประกอบโดยไม่ได้ตั้งใจ หรือปรับพาเลทสีโดยไม่ส่งผลกระทบต่อรูปแบบ การควบคุมเป็นศัลยกรรม

FIBO นำเสนอกระบวนการ “ปรับแต่ง” ที่แตกต่างจากกระบวนการสร้างภาพแบบทั่วไป วิธีการนี้เปลี่ยนวิธีการที่มืออาชีพเข้าใกล้การผลิตภาพอย่างไร?

กระบวนการสร้างภาพส่วนใหญ่เป็นกระบวนการแบบทดลองในทางที่น่าหงุดหงิด—คุณสร้าง ผลลัพธ์ ประเมิน ปรับโพรมปต์ และหวังว่ามันจะใกล้เคียงกับผลลัพธ์ที่คุณต้องการ

การปรับแต่งเปลี่ยนการลองผิดลองถูกให้เป็นการออกแบบ คุณไม่ได้เดาโพรมปต์ใหม่อาจทำอะไร—คุณกำลังควบคุมภาพเหมือนกับที่คุณปรับแสงหรือสีใน Photoshop คุณไม่จำเป็นต้องทำงานที่ระดับ JSON โดยตรง—โมเดลภาษา-วิชามองเห็นปรับ JSON สำหรับคุณตามคำแนะนำภาษาธรรมชาติ แต่ JSON เองทำให้คุณเข้าใจสิ่งที่เกิดขึ้นได้อย่างแม่นยำ คุณสร้างภาพเริ่มต้น ตรวจสอบการแสดง JSON ของมัน ระบุคุณสมบัติที่ต้องการการปรับ—อาจเป็นความเข้มของแสงที่สูงเกินไป หรือมุมกล้องที่ต้องเลื่อน 15 องศา—และคุณปรับเฉพาะค่าเหล่านั้นผ่านคำแนะนำที่ง่ายๆ ทุกสิ่งที่เหลือจะถูกล็อก

โครงสร้างนี้เหมาะสำหรับกระบวนการทำงานแบบตัวแทน AI สามารถวิเคราะห์ JSON เข้าใจสถานะสมบูรณ์ของภาพ ทำการปรับเปลี่ยนแบบมุ่งหมาย และอธิบายเหตุผลของมัน—ทั้งหมดนี้เนื่องจากพารามิเตอร์เป็นแบบชัดเจนและสามารถตีความได้ ตัวแทนไม่ได้เดาโพรมปต์ใหม่อาจทำอะไร—มันทำการปรับเปลี่ยนแบบมุ่งหมายต่อคุณสมบัติที่ทราบ

สิ่งนี้กำจัดความไม่แน่นอนออกไปซึ่งทำให้มืออาชีพต้องสงสัยเกี่ยวกับ AI ที่สร้างภาพ เมื่อคุณสามารถเห็นเซตพารามิเตอร์สมบูรณ์ที่สร้างภาพเข้าใจว่าคุณสมบัติแต่ละรายการควบคุมอะไร และปรับเปลี่ยนคุณสมบัติเฉพาะด้วยความมั่นใจว่าสิ่งอื่นจะไม่เปลี่ยนแปลง คุณไม่ได้ลองผิดลองถูก—คุณกำลังออกแบบ กระบวนการนี้เปิดกล่องดำอย่างสมบูรณ์ สำหรับกระบวนการผลิตมืออาชีพที่ความสม่ำเสมอและควบคุมมีความสำคัญมากกว่าความแปลกใหม่ นี่คือความแตกต่างระหว่างของเล่นสร้างสรรค์กับเครื่องมือการผลิต

จริยธรรมของข้อมูลและความปลอดภัยของแบรนด์กลายเป็นประเด็นสำคัญสำหรับองค์กร AI แล้ว Bria ใช้ข้อมูลที่ได้รับอนุญาตและเคลียร์สิทธิ์อย่างเต็มที่เพื่อให้แน่ใจถึงความสอดคล้องและความเคารพต่อทรัพย์สินทางปัญญาของผู้สร้างอย่างไร?

ตั้งแต่วันแรก เราตัดสินใจว่าหากอุตสาหกรรมจะเติบโตอย่างมีความรับผิดชอบ มันจะต้องเริ่มต้นจากความสมบูรณ์ของข้อมูล ภาพทุกภาพที่ใช้ฝึก FIBO มาจากแหล่งที่ได้รับอนุญาตและเคลียร์สิทธิ์ผ่านการร่วมมือกับผู้นำเนื้อห如 Getty Images (GETY ) และ Envato สิ่งนี้ทำให้โมเดลของเราสอดคล้องกับข้อกำหนดและยุติธรรม เราเห็นความเคารพต่อผู้สร้างเป็นส่วนหนึ่งของห่วงโซ่คุณค่า ไม่ใช่ข้อจำกัด องค์กรจะได้รับประโยชน์จากความสมบูรณ์นี้เพราะมันให้ความมั่นใจทางกฎหมายและจริยธรรมที่จำเป็นในการขยายตัวด้วยความมั่นใจ

FIBO ได้รับการฝึกให้เรียนรู้รูปแบบและอัตลักษณ์ของแบรนด์แต่ละบริษัทอย่างไร และความสามารถนี้เปลี่ยนวิธีการที่แบรนด์ระดับโลกเข้าใกล้การสร้างเนื้อหาและความสอดคล้องทางภาพอย่างไร?

แบรนด์ต่างๆ มี DNA ที่มองเห็นได้—วิธีการแสดงอารมณ์ ความไว้วางใจ และจุดประสงค์ผ่านการออกแบบ FIBO สามารถเรียนรู้ภาษานั้นได้ เมื่อได้รับการฝึกอบรมแล้ว มันจะสร้างภาพที่สะท้อนถึงองค์ประกอบ โทน และบรรยากาศที่กำหนดอัตลักษณ์ของแบรนด์ สิ่งนี้เปลี่ยน AI จากผู้ช่วยสร้างสรรค์ให้เป็นทรัพย์สินของแบรนด์ มันช่วยให้ทีมระดับโลกสร้างสรรค์ผลงานด้วยความสอดคล้อง ไม่ใช่การประมาณการ ผลลัพธ์คือความสอดคล้องในระดับใหญ่โดยไม่สูญเสียความเป็นเอกลักษณ์

ด้วยผู้ใช้คนแรกที่ใช้ FIBO เพื่อสร้างการออกแบบบรรจุภัณฑ์ภาพผลิตภัณฑ์ และแคมเปญสร้างสรรค์อยู่แล้ว ผลลัพธ์หรือคำติชมใดที่น่าประทับใจที่สุดสำหรับคุณ?

การเปลี่ยนแปลงความคิดเห็น ทีมงานเริ่มมอง AI เป็นเครื่องมือในการทำงาน ไม่ใช่ของใหม่ๆ หนึ่งในแบรนด์ระดับโลกสร้างรุ่นบรรจุภัณฑ์ระดับภูมิภาคได้เร็วขึ้นโดยรักษาความสอดคล้องของแบรนด์ไว้ เอเจนซี่สร้างสรรค์ชั้นนำหนึ่งแห่งเร่งพัฒนาแคมเปญได้ 10 เท่าผ่านการวนซ้ำที่ควบคุมได้ แต่สัญญาณที่แท้จริงมาจากผู้กำกับสร้างสรรค์ที่บอกเราว่าพวกเขารู้สึกควบคุมได้มากขึ้น—ว่าโมเดลเข้าใจความตั้งใจทางภาพของพวกเขา นั่นคือจุดเปลี่ยนสำหรับอุตสาหกรรม

Bria ตั้งตนเป็นผู้นำใน AI ที่มีจริยธรรมและควบคุมได้ คุณคิดว่าปรัชญานี้จะกำหนดรูปแบบกฎระเบียบหรือมาตรฐานอุตสาหกรรมสำหรับ AI ที่มองเห็นได้ในอนาคตอย่างไร?

เรามาถึงจุดที่นวัตกรรมและธรรมาภิบาลต้องเคลื่อนไปด้วยกัน การกำกับดูแลไม่ใช่อุปสรรค แต่เป็นโครงสร้างพื้นฐานสำหรับการเติบโตอย่างยั่งยืน แนวทางของเรา—ข้อมูลที่โปร่งใส ผลลัพธ์ที่กำหนดได้ และการให้เครดิตที่ชัดเจน—สอดคล้องกับอะไรที่นโยบายที่เกิดขึ้นกำลังขอ ฉันเชื่อว่าเราจะเห็นมาตรฐานใหม่ที่ให้ความสำคัญกับการติดตาม การอธิบาย และการคุ้มครองสิทธิ์ Bria มีปรัชญาที่จะช่วยกำหนดมาตรฐานเหล่านี้ผ่านการปฏิบัติ ไม่ใช่เพียงคำแถลงนโยบาย

เมื่อมองไปข้างหน้า สิ่งใดที่จะเกิดขึ้นต่อไปสำหรับ Bria หลังจาก FIBO? คุณเห็นโอกาสในการขยายสู่ AI ที่มีหลายรูปแบบที่รวมภาพ วิดีโอ และการสร้างภาพ 3 มิติภายใต้โครงสร้างที่ควบคุมได้?

ใช่ หลักการเดียวกับที่ขับเคลื่อน FIBO—โครงสร้าง การควบคุม ความโปร่งใส—ใช้ได้กับทุกโดเมนการมองเห็นได้ เรากำลังสำรวจการขยายสู่วิดีโอและ 3 มิติ โดยที่การกำหนดค่าสามารถนำมาซึ่งความน่าเชื่อถือเท่ากับที่องค์กรมีต่อภาพแล้ว เป้าหมายของเราง่ายๆ: ทำให้ AI ที่สร้างสรรค์ควบคุมได้และปลอดภัยเหมือนการเขียนโค้ด—และขยายสิ่งนี้ไปทั่วทุกสื่อที่มองเห็นได้ ตั้งแต่ภาพถึงวิดีโอถึง 3 มิติ

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเรียนรู้เพิ่มเติมได้ที่ Bria