Dr. Yair Adato, CEO và Người sáng lập của Bria – Loạt phỏng vấn

Dr. Yair Adato, CEO và người sáng lập của Bria, là một chuyên gia về học máy và thị giác máy tính được công nhận vì khả năng kết nối công nghệ tiên tiến với các ứng dụng kinh doanh thực tế. Trước khi thành lập Bria, ông từng là CTO của Trax Retail, nơi ông đã đóng vai trò trung tâm trong việc chuyển đổi công ty từ một startup 20 người thành một công ty kỳ lân toàn cầu với hơn 850 nhân viên. Trong suốt sự nghiệp của mình, Yair cũng đã đóng góp như một cố vấn cho một số doanh nghiệp được thúc đẩy bởi AI, bao gồm Sparx, Vicomi, Tasq, DataGen và Anima. Lãnh đạo của ông được đánh dấu bởi một cam kết mạnh mẽ đối với đổi mới có trách nhiệm, quyền sở hữu dữ liệu và việc dân chủ hóa công nghệ AI.

Bria là một công ty tiên phong trong lĩnh vực AI tạo ra hình ảnh có trách nhiệm, được thành lập với sứ mệnh tạo ra một nền tảng mở và đạo đức cho việc tạo ra hình ảnh. Cách tiếp cận độc đáo của công ty này thưởng cho những người sở hữu dữ liệu cho các đóng góp của họ thông qua một động cơ phân bổ, đảm bảo tính minh bạch và công bằng trong hệ sinh thái AI. Bằng cách tập trung vào sáng tạo, hợp tác và tuân thủ, Bria trao quyền cho các tổ chức tích hợp AI tạo ra một cách an toàn vào các quy trình làm việc của họ trong khi thiết lập các tiêu chuẩn mới về trách nhiệm và niềm tin trong ngành công nghiệp nội dung hình ảnh.

Bạn đã thành lập Bria để tạo ra một nền tảng mở và có trách nhiệm cho AI tạo ra hình ảnh. Điều gì đã truyền cảm hứng cho bạn bắt đầu công ty, và những thách thức hoặc nhận thức ban đầu nào đã định hình hướng đi của nó?

Tôi đã xem Goodfellow trình bày bài báo về GAN vào năm 2014, và ngay lập tức rõ ràng rằng sản xuất sáng tạo sẽ thay đổi một cách cơ bản. Khi xem bài trình bày đó, những ý nghĩa là rõ ràng – đây không chỉ là một cải tiến nhỏ, mà là một mô hình khác biệt về cách máy móc có thể học để tạo ra nội dung hình ảnh.

Nhưng từ đầu, tôi đã nhận ra một khoảng trống cơ bản trong cách các hệ thống này được xây dựng: không có trách nhiệm cho dữ liệu đào tạo, không có khuôn khổ cho việc triển khai có trách nhiệm, không có xem xét cho những người tạo ra công việc làm cho mọi thứ trở nên khả thi.

Những thách thức ban đầu không phải là kỹ thuật – chúng là cấu trúc. Làm thế nào để xây dựng AI tạo ra hình ảnh mà không làm suy yếu những người tạo ra nó? Làm thế nào để làm cho những hệ thống này có thể sử dụng được trong môi trường sản xuất nơi sự chắc chắn về mặt pháp lý quan trọng như chất lượng đầu ra? Những câu hỏi đó đã định hình mọi thứ chúng tôi xây dựng. Chúng tôi thành lập Bria trên nguyên tắc rằng đổi mới và trách nhiệm không phải là những lực lượng đối lập – chúng phải tiến bộ cùng nhau, hoặc công nghệ sẽ thất bại mọi người.

Nền tảng học thuật của bạn trong lĩnh vực thị giác máy tính và 50+ bằng sáng chế của bạn kết nối nghiên cứu và đổi mới thực tế. Làm thế nào kinh nghiệm đó đã ảnh hưởng đến đường lối kỹ thuật và chiến lược dài hạn của Bria?

Nền tảng nghiên cứu của tôi đã dạy tôi cách suy nghĩ theo hệ thống – cách các lớp hiểu biết khác nhau kết nối để tạo thành ý nghĩa. Nhiều bằng sáng chế của tôi tập trung vào cách máy móc giải thích cấu trúc của thông tin hình ảnh, và tư duy đó tự nhiên chuyển thành cách tiếp cận của Bria. Chúng tôi xem việc tạo ra hình ảnh như một quá trình thành phần, không phải một quá trình ngẫu nhiên.

Nhưng các bằng sáng chế không chỉ về công nghệ – chúng về việc kết nối công nghệ với thực tế kinh doanh. Một phần đáng kể của danh mục IP của chúng tôi giải quyết các vấn đề về lớp hệ thống: làm thế nào để tạo ra các khuôn khổ phân bổ mà kết nối nội dung được tạo ra với nguồn đào tạo của nó? Làm thế nào để xây dựng các mô hình kinh tế mà trả tiền cho những người tạo ra ở quy mô lớn? Những điều này không chỉ là vấn đề kỹ thuật – chúng là vấn đề về cơ sở hạ tầng, mô hình kinh doanh và thiết kế thị trường.

Quan điểm rộng hơn đó đã định hình chiến lược dài hạn của chúng tôi. Đổi mới không chỉ về việc tiến bộ các mô hình cơ bản. Đó là về việc tạo ra các cấu trúc kinh tế mới, các khuôn khổ hợp đồng mới, các cách mới cho ngành công nghiệp hoạt động một cách bền vững. Mục tiêu không chỉ là sản xuất kết quả tốt hơn – nó là về việc hiểu làm thế nào những kết quả đó được hình thành, ai đã đóng góp cho chúng và làm thế nào giá trị chảy qua hệ thống. Đó là nơi khoa học gặp suy nghĩ sản phẩm gặp kiến trúc kinh doanh.

Bria vừa công bố FIBO, được mô tả là mô hình nền tảng hình ảnh deterministic đầu tiên trên thế giới cho việc tạo ra AI chuyên nghiệp. Điều gì làm cho FIBO khác biệt so với các hệ thống AI hình ảnh hiện có?

Tên gọi chính nó đã cho thấy cách tiếp cận của chúng tôi: FIBO là viết tắt của Fibonacci, chuỗi toán học nổi tiếng với các thuộc tính thẩm mỹ nội tại. Tỷ lệ vàng – tỷ lệ giữa các số liên tiếp trong chuỗi Fibonacci – xuất hiện trong những gì chúng ta nhận thức là tỷ lệ hình ảnh đẹp trên toán học, nghệ thuật hình ảnh, hình học và kiến trúc. Bạn thấy nó trong kích thước của Pantheon La Mã và Nhà Trắng, trong cơ thể con người và khuôn mặt như được minh họa trong tác phẩm Vitruvian Man của Leonardo da Vinci, và trên các hình thức tự nhiên. Sự kết nối giữa cấu trúc toán học và vẻ đẹp hình ảnh chính xác là những gì FIBO thể hiện: chất lượng thẩm mỹ thông qua cấu trúc hình thức.

FIBO thay đổi mối quan hệ giữa ý định và đầu ra. Hầu hết các hệ thống AI hình ảnh chèn các lớp giải thích giữa những gì bạn muốn và những gì bạn nhận được – bạn viết một lời nhắc, mô hình dịch nó thông qua các bộ mã hóa ngôn ngữ, khuếch tán nó thông qua tiếng ồn, và bạn hy vọng kết quả sẽ phù hợp với tầm nhìn của bạn. FIBO loại bỏ các lớp đó hoàn toàn.

Chúng tôi đã làm cho AI hình ảnh hoạt động như mã – mỗi yếu tố sáng tạo trở nên có thể chỉnh sửa và lặp lại. Đó là một bước đột phá cho các chuyên gia đã bị kẹt với “trò chơi nhắc” này. Điều này có nghĩa là mỗi yếu tố, hướng ánh sáng, góc máy, bảng màu, thành phần, phong cách tồn tại như một thuộc tính rõ ràng và có thể kiểm soát. Cấu trúc JSON cho phép bạn sửa đổi chỉ các tham số bạn muốn, trong khi khóa tất cả các tham số khác. Bạn có thể điều chỉnh cường độ ánh sáng mà không ảnh hưởng đến thành phần, hoặc thay đổi góc máy mà không thay đổi bảng màu. Hệ thống thực hiện chính xác những gì bạn chỉ định, mọi lúc.

Chúng tôi đang tổ chức các cuộc thi hackathon với Fal và NVIDIA (NVDA ) để展示 cho các nhà phát triển cách tạo ra hình ảnh một cách quyết định trong thực tế. Cấu trúc JSON chính nó mở hộp đen – bạn có thể thấy chính xác các tham số nào đã tạo ra một hình ảnh, tái tạo nó và sửa đổi nó một cách chính xác. Đó là một mô hình hoàn toàn khác so với kỹ thuật nhắc.

Các hệ thống AI hình ảnh truyền thống dựa trên các lời nhắc ngày càng phức tạp để đạt được kết quả cụ thể. Làm thế nào cách tiếp cận của FIBO giải quyết vấn đề về sự phức tạp của lời nhắc?

Hai vấn đề cần được giải quyết. Đầu tiên, các vấn đề về sự ngẫu nhiên của lời nhắc tồn tại vì các mô hình hiện tại đang cố gắng trích xuất ý định của người dùng và thêm những gì mô hình “nghĩ” là thẩm mỹ hoặc mong muốn thông qua việc tăng cường lời nhắc. Thứ hai, thiếu kiểm soát trên các thuộc tính chuyên nghiệp.

FIBO đảo ngược điều này. Mô hình được đào tạo trên hơn 1.000 từ mô tả hình ảnh mỗi hình ảnh mà mã hóa rõ ràng hơn 100 thuộc tính độc lập trong định dạng JSON. Điều này không được xử lý sau hoặc trích xuất – nó là định dạng đào tạo gốc. Vì mỗi thuộc tính được biểu diễn cấu trúc từ đầu, mô hình đã học cách tạo ra hình ảnh như một tập hợp các tham số có thể kiểm soát và rời rạc, chứ không phải như một giải thích mờ về văn bản.

Điều này có nghĩa trong thực tế là: bạn định nghĩa ý định thẩm mỹ thông qua cấu trúc, không thông qua “lời nhắc và cầu nguyện”. Mức độ phù hợp giữa văn bản và hình ảnh là cơ bản cao hơn vì không có lớp dịch. Bạn đang nói ngôn ngữ bản địa của mô hình. Và vì các thuộc tính là độc lập, bạn có thể lặp lại trên ánh sáng mà không vô tình thay đổi thành phần, hoặc điều chỉnh bảng màu mà không ảnh hưởng đến phong cách. Kiểm soát là phẫu thuật.

FIBO giới thiệu một quy trình “tinh chỉnh” khác với quy trình tạo ra hình ảnh lặp đi lặp lại thông thường. Làm thế nào điều này thay đổi cách các chuyên gia tiếp cận sản xuất hình ảnh?

Hầu hết các quy trình tạo ra hình ảnh là lặp đi lặp lại theo cách khó chịu – bạn tạo ra, đánh giá, điều chỉnh lời nhắc của mình, tạo ra lại, hy vọng nó gần hơn. Đây là “lời nhắc và cầu nguyện”. Bạn không bao giờ chắc chắn những gì đã thay đổi hoặc tại sao.

Quy trình tinh chỉnh biến thử nghiệm thành thiết kế. Bạn không đoán những gì một lời nhắc mới có thể làm – bạn đang điều khiển hình ảnh, chính xác như cách bạn điều chỉnh ánh sáng hoặc màu sắc trong Photoshop. Bạn không cần phải làm việc ở mức JSON trực tiếp – một mô hình ngôn ngữ tầm nhìn sửa đổi JSON cho bạn dựa trên các hướng dẫn ngôn ngữ tự nhiên. Nhưng chính JSON cho phép bạn hiểu chính xác những gì đã xảy ra. Bạn tạo ra một hình ảnh ban đầu, kiểm tra biểu diễn JSON của nó, xác định những thuộc tính nào cần điều chỉnh – có thể cường độ ánh sáng quá cao, hoặc góc máy cần thay đổi 15 độ – và bạn chỉ sửa đổi những giá trị đó thông qua các hướng dẫn đơn giản. Mọi thứ khác vẫn bị khóa.

Cấu trúc này hoàn hảo cho các quy trình làm việc có chủ đích. Một tác nhân AI có thể phân tích JSON, hiểu hoàn toàn trạng thái của hình ảnh, thực hiện các sửa đổi có mục tiêu và giải thích lý do của nó – tất cả vì các tham số là rõ ràng và có thể giải thích. Tác nhân không đoán những gì một thay đổi lời nhắc có thể làm – nó thực hiện các điều chỉnh chính xác đến các thuộc tính đã biết.

Điều này loại bỏ sự không thể đoán trước đã giữ các chuyên gia hoài nghi về AI tạo ra hình ảnh. Khi bạn có thể xem toàn bộ tập hợp tham số đã tạo ra một hình ảnh, hiểu những gì mỗi thuộc tính kiểm soát, và sửa đổi các thuộc tính riêng lẻ với sự tự tin rằng không có gì khác sẽ trôi dạt, bạn không còn thử nghiệm – bạn đang thiết kế. Tính minh bạch của JSON mở hộp đen hoàn toàn. Đối với các quy trình sản xuất chuyên nghiệp nơi tính nhất quán và kiểm soát quan trọng hơn tính mới, đây là sự khác biệt giữa một công cụ sáng tạo và một công cụ sản xuất.

Đạo đức dữ liệu và an toàn thương hiệu đã trở thành trung tâm của AI doanh nghiệp. Làm thế nào việc sử dụng dữ liệu được cấp phép đầy đủ và được làm rõ quyền của Bria đảm bảo cả sự tuân thủ và tôn trọng quyền sở hữu trí tuệ của người tạo?

Từ ngày đầu tiên, chúng tôi quyết định rằng nếu ngành công nghiệp này sẽ phát triển một cách có trách nhiệm, nó phải bắt đầu với tính toàn vẹn của dữ liệu. Mỗi hình ảnh được đào tạo để tạo ra FIBO đều đến từ các nguồn được cấp phép, được làm rõ quyền thông qua các quan hệ đối tác với các nhà lãnh đạo nội dung như Getty Images (GETY ) và Envato. Điều này đảm bảo rằng các mô hình của chúng tôi tuân thủ và công bằng. Chúng tôi xem sự tôn trọng người tạo ra như một phần của chuỗi giá trị, không phải như một ràng buộc. Các doanh nghiệp được lợi từ sự toàn vẹn đó vì nó mang lại cho họ sự chắc chắn về pháp lý và đạo đức mà họ cần để mở rộng quy mô một cách tự tin.

FIBO được đào tạo để học phong cách và bản sắc thương hiệu độc đáo của mỗi công ty. Làm thế nào khả năng này thay đổi cách các thương hiệu toàn cầu tiếp cận việc tạo ra nội dung và tính nhất quán về hình ảnh?

Thương hiệu có DNA hình ảnh riêng – một cách độc đáo để thể hiện cảm xúc, niềm tin và mục đích thông qua thiết kế. FIBO có thể học ngôn ngữ đó. Một khi được đào tạo, nó tạo ra các hình ảnh phản ánh cùng thành phần, giọng điệu và bầu không khí định hình bản sắc của thương hiệu. Điều này biến AI từ một trợ lý sáng tạo thành một tài sản thương hiệu. Nó giúp các đội toàn cầu tạo ra sự nhất quán mà không mất đi tính cá nhân.

Với những người dùng đầu tiên đã sử dụng FIBO để tự động hóa thiết kế bao bì, hình ảnh sản phẩm và các chiến dịch sáng tạo, những kết quả hoặc phản hồi nào đã nổi bật với bạn nhất cho đến nay?

Sự thay đổi trong tư duy. Các đội đang bắt đầu coi AI như một phần của bộ công cụ hoạt động của họ, không phải như một điều mới mẻ. Một thương hiệu toàn cầu đang tạo ra các biến thể bao bì khu vực nhanh hơn trong khi vẫn duy trì sự nhất quán của thương hiệu. Một cơ quan sáng tạo hàng đầu đã tăng tốc phát triển chiến dịch lên 10 lần thông qua sự lặp lại có kiểm soát. Nhưng tín hiệu thực sự đến từ các giám đốc sáng tạo cho biết họ cảm thấy có kiểm soát hơn; rằng mô hình hiểu ý định hình ảnh của họ. Đó là một bước ngoặt cho ngành công nghiệp.

Bria tự định vị mình là một nhà lãnh đạo trong AI đạo đức và có thể kiểm soát. Làm thế nào bạn thấy triết lý này định hình các quy định hoặc tiêu chuẩn ngành trong tương lai cho AI hình ảnh?

Chúng tôi đã đạt đến giai đoạn mà đổi mới và quản lý cần phải di chuyển cùng nhau. Quy định không phải là một chướng ngại vật, mà là cơ sở hạ tầng cho sự tăng trưởng bền vững. Cách tiếp cận của chúng tôi – dữ liệu minh bạch, đầu ra quyết định, nguồn gốc rõ ràng – phù hợp chặt chẽ với những gì các chính sách mới đang yêu cầu. Tôi tin rằng chúng ta sẽ thấy các tiêu chuẩn mới ưu tiên tính minh bạch, giải thích, bảo vệ quyền và sự an toàn. Triết lý của Bria là giúp định hình những tiêu chuẩn đó thông qua thực tiễn, không phải thông qua các tuyên bố chính sách.

Khi nhìn về phía trước, điều gì tiếp theo cho Bria sau FIBO? Bạn có hình dung việc mở rộng sang AI đa phương thức kết hợp hình ảnh, video và tạo ra 3D dưới một khuôn khổ có thể kiểm soát không?

Có. Những nguyên tắc tương tự như những gì cung cấp năng lượng cho FIBO – cấu trúc, kiểm soát, minh bạch – áp dụng trên tất cả các lĩnh vực hình ảnh. Chúng tôi đã khám phá các tiện ích mở rộng vào video và 3D, nơi quyết định có thể mang lại sự tin cậy tương tự mà các doanh nghiệp hiện có với hình ảnh. Mục tiêu của chúng tôi rất đơn giản: làm cho sự sáng tạo của AI trở nên có thể kiểm soát và an toàn như viết mã – và mở rộng nó trên mọi phương tiện hình ảnh, từ hình ảnh đến video đến 3D.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm nên truy cập Bria.