Adobe Firefly
Gunakan bahasa sehari-hari untuk menciptakan hasil yang luar biasa dengan AI Generatif.
LANGSUNG KE BAGIAN
Bagaimana AI generatif bekerja di balik layar?
Alasan di balik cerdasnya kecerdasan generatif.
Cara kerja berbagai jenis model AI generatif.
Cara kerja AI generatif di dunia nyata dan keunggulannya.
Tantangan kualitas, bias, dan keamanan dalam AI generatif.
Sambut masa depan desain dengan AI generatif Adobe Firefly.
Bagaimana cara kerja AI generatif dari prompt menjadi output?
Sekilas tentang cara kerja AI generatif.
Dalam setahun terakhir, kecerdasan buatan generatif telah menarik perhatian dunia. Jenis AI canggih ini mampu membuat konten baru — seperti gambar, musik, tulisan, atau kode — berdasarkan pola yang dipelajarinya dari data yang sudah ada. AI generatif bekerja menggunakan input yang Anda berikan, seperti prompt teks atau gambar referensi, lalu menerapkan model canggih untuk menghasilkan output baru yang sesuai dengan permintaan Anda tersebut. Karena itu, AI generatif bisa membuat gambar fantastis, menulis puisi, menghasilkan kode perangkat lunak, atau bahkan menciptakan lagu yang terdengar autentik.
Dalam waktu dekat, AI generatif mungkin akan menjadi bagian penting dalam kehidupan kita seperti halnya ponsel pintar. Namun bagi banyak orang, AI generatif masih menjadi misteri. Panduan ini akan mengulas apa itu AI generatif, apa yang bukan termasuk AI generatif, dan bagaimana AI generatif dapat mengubah cara kita bekerja dan berkreasi.
Bagaimana AI generatif bekerja di balik layar?
Meskipun terasa seperti sulap, AI generatif digerakkan oleh teknologi kompleks yang belajar dari data dan menerapkan pola untuk menciptakan sesuatu yang baru. Ketika diurai secara mendetail, keajaiban AI generatif menjadi lebih mudah dipahami.
AI generatif adalah kecerdasan buatan yang tidak hanya menganalisis informasi yang ada, tetapi juga menghasilkan konten yang benar-benar baru. Model dilatih menggunakan set data sangat besar berupa teks, gambar, audio, atau video, yang kemudian mempelajari pola, hubungan, dan gaya di dalamnya. Ketika Anda memberikan input seperti prompt teks atau gambar referensi kepada model, model akan menerapkan pengetahuan yang telah dipelajarinya untuk menghasilkan output orisinal sesuai permintaan Anda.
Itulah sebabnya Anda dapat meminta chatbot untuk menyarankan slogan dan mendapatkan ide segar dalam hitungan detik, atau menggunakan Firefly untuk mengubah deskripsi menjadi gambar yang tampak seperti buatan tangan atau tampak realistis. Di luar tugas-tugas kreatif, AI generatif digunakan dalam ilmu pengetahuan dan kesehatan untuk merancang protein baru, meningkatkan pengobatan kanker, dan mempercepat penelitian. Potensinya jauh melampaui permainan kata. Teknologi ini sudah merombak berbagai industri.
Alasan di balik cerdasnya kecerdasan generatif.
Sebelumnya, aplikasi komputer tidak dapat melakukan tugas kecuali terlebih dahulu diberi instruksi eksplisit oleh manusia tentang cara menyelesaikan tugas tersebut. Instruksi tersebut disebut "pemrograman". Meskipun pemrograman canggih dapat memberikan hasil yang mengesankan, aplikasi komputer konvensional tidak dapat melakukan sesuatu yang tidak disertakan oleh manusia di dalam pemrogramannya.
Sistem AI generatif lebih fleksibel karena mengandalkan pembelajaran mesin yang tidak memerlukan pemrograman yang bersifat eksplisit. Sebagai gantinya, manusia memberikan akses ke data berjumlah besar kepada komputer. Mesin melatih dirinya sendiri untuk mengidentifikasi pola yang ada dalam data dan, yang terpenting, untuk menarik kesimpulan dari apa yang sudah dipelajari. (Itulah mengapa ada kata pembelajaran dalam istilah “pembelajaran mesin”.) Ukuran dan kualitas kumpulan datanya juga penting. Kualitas AI bergantung pada kualitas data yang digunakan untuk melatihnya.
Menjelaskan cara kerja AI generatif bukan hal sederhana, dan perlu upaya besar untuk memahaminya secara mendalam. Tapi yang menarik dari AI generatif adalah Anda tidak perlu mengerti seluruh teknologinya untuk bisa menikmatinya. Cukup buka aplikasinya, seperti Firefly, ketikkan apa pun yang ingin Anda lihat, misalnya “tiga anak anjing labradoodle berlari di atas rumput”, dan seketika itu juga Anda sudah menjadi pengguna AI generatif. Gelar di bidang pemrograman tidak diperlukan di sini.
Penggerak AI generatif.
Di balik layar, AI generatif berjalan dengan mengandalkan perangkat keras yang tangguh dan komputasi berskala besar. Unit pemrosesan grafis (GPU) dan unit pemrosesan tensor (TPU) menangani perhitungan sangat besar yang diperlukan untuk melatih dan menjalankan model-model ini.
Prosesnya memiliki dua fase utama:
Pelatihan.
Selama pelatihan, model-model belajar dari set data sangat besar berupa teks, gambar, audio, atau video. Tahap ini membutuhkan banyak energi karena memerlukan komputasi terdistribusi, pemrosesan paralel, dan waktu eksekusi yang lama untuk mengenali pola dan hubungan.
Inferensi.
Setelah dilatih, model dapat menghasilkan output sesuai permintaan, seperti menulis teks, membuat gambar, atau menerjemahkan audio dengan energi yang jauh lebih sedikit. Inferensi juga dapat dioptimalkan melalui teknik seperti batching dan deployment di cloud.
AI generatif dapat menggunakan banyak energi, dan perusahaan yang mengembangkan alat-alat ini makin menyadari dampaknya terhadap lingkungan. Upaya untuk meningkatkan efisiensi dan mengurangi jejak karbon sedang dilakukan, tetapi ada kemajuan yang masih perlu dicapai.
Cara AI generatif dilatih.
Untuk memahami cara kerja AI generatif, ada baiknya Anda mengetahui hal-hal yang terjadi sebelum Anda mengetikkan prompt. Proses pelatihan AI mencakup pembersihan dan kurasi data secara cermat untuk meningkatkan kualitas, prapelatihan pada set data yang sangat besar untuk membangun basis pengetahuan, serta penyempurnaan untuk tugas atau bidang tertentu.
Umpan balik manusia dan penyesuaian terkait keamanan juga berperan penting untuk menyempurnakan output dan mengurangi bias yang tidak diinginkan. Di Adobe, proses pelatihan menggunakan data berlisensi dan telah melalui izin hak cipta, termasuk konten dari Adobe Stock, sehingga para kreator profesional dapat menggunakan alat generatif dengan rasa percaya diri.
Cara kerja berbagai jenis model AI generatif.
Ada beberapa jenis model AI generatif, dan masing-masing bekerja dengan cara yang sedikit berbeda. Dengan memahami perbandingan AI generatif vs. AI lainnya, Anda dapat menentukan jenis model mana yang paling sesuai untuk proyek spesifik Anda.
- Model Bahasa Besar (LLM).
Dilatih dengan set data teks yang sangat besar, LLM seperti ChatGPT atau Claude menghasilkan bahasa yang terdengar alami dengan memprediksi lanjutan kata dalam sebuah rangkaian. Hal ini menjadikan LLM sangat efektif untuk menulis, menjawab pertanyaan, dan menciptakan dialog yang terdengar manusiawi. - Model Difusi.
Umumnya digunakan untuk gambar dan video, model difusi memulai proses dari derau acak dan secara bertahap menyempurnakannya hingga menjadi hasil yang jelas dan sesuai dengan prompt. Metode inilah yang digunakan oleh pembuat gambar kecerdasan buatan Firefly. - Jaringan Adversarial Generatif (GAN).
GAN bekerja dengan dua jaringan: generator yang menciptakan output dan discriminator yang menilai output. Melalui proses persaingan, keduanya terus melakukan perbaikan hingga gambar yang dihasilkan terlihat realistis. GAN adalah salah satu pendorong awal perkembangan seni kecerdasan buatan dan pembuatan deepfake. - Pengode Otomatis Variasional (VAE).
VAE memampatkan data menjadi representasi yang lebih sederhana kemudian merekonstruksinya, sehingga memungkinkan terciptanya variasi yang mewakili "esensi" dari data asli. Model ini sangat berguna untuk memadukan gaya atau menghasilkan beberapa versi. - Model Berbasis Transformer.
Transformer adalah arsitektur dasar di balik banyak sistem generatif, termasuk LLM dan model difusi. Model ini menggunakan mekanisme "perhatian" untuk memahami hubungan antardata, seperti kata-kata dalam kalimat atau piksel dalam gambar, sehingga output tetap akurat dan relevan secara kontekstual.
Bersama-sama, jenis-jenis model ini memungkinkan AI generatif menangani segala hal mulai dari teks hingga video, dan terus berkembang menjadi sistem yang lebih mumpuni dan kreatif.
Cara kerja AI generatif di dunia nyata dan keunggulannya.
AI menghadirkan asisten virtual. AI generatif, di sisi lain, menawarkan pakar virtual — meski tentu ada batasannya, yang akan dibahas nanti. Lalu bagaimana cara kerja AI generatif dalam kehidupan nyata bagi bisnis, pekerja profesional, dan pengguna sehari-hari? Dengan menciptakan konten baru sesuai permintaan, teknologi ini membantu tim bergerak lebih cepat, mengeksplorasi lebih banyak ide, dan menghasilkan output yang dulu membutuhkan waktu serta sumber daya jauh lebih besar. Manfaat AI generatif mencakup efisiensi yang lebih tinggi hingga kreativitas yang makin berkembang, menjadikannya alat yang berharga di berbagai industri.
Perusahaan dan AI generatif.
AI generatif dapat memberikan nilai tambah dengan mengoptimalkan cara organisasi mengelola pengetahuan internal. Para profesional kreatif bisa menggunakan alat seperti pembuat karakter kecerdasan buatan guna mengembangkan karakter unik untuk game, film, atau kampanye pemasaran. AI generatif juga memiliki potensi, misalnya, bagi para perencana strategi rantai pakaian untuk menelusuri catatan inventaris perusahaan dengan mengajukan pertanyaan seperti, “Apakah kami menjual lebih banyak celana pendek atau celana panjang selama musim panas lalu?” Wawasan semacam ini bisa mempercepat pengambilan keputusan dan pengembangan strategi.
Selain contoh-contoh tersebut, AI generatif bekerja di berbagai industri untuk meningkatkan produktivitas, memperbaiki efisiensi, dan memicu kreativitas. Teknologi ini bisa menganalisis set data kompleks, mulai dari spreadsheet dan laporan hingga gambar dan grafik, jauh lebih cepat daripada manusia, sehingga membantu tim menemukan wawasan dan membuat rekomendasi. Bagi tim pemasaran, AI generatif dapat menyederhanakan tugas-tugas repetitif, seperti mengubah ukuran iklan atau melaporkan kinerja aset. Pekerja kreatif seperti desainer grafis dapat menggunakan kecerdasan buatan sebagai mitra curah pendapat, yang dapat dimintai arahan baru dan variasi untuk memantik ide-ide segar.
Perorangan dan AI generatif.
Orang-orang sudah menggunakan AI generatif untuk menjawab pertanyaan dan melakukan riset. (Ingat bahwa jawaban dan riset memerlukan pengecekan fakta yang dilakukan oleh manusia—selengkapnya akan dibahas di bagian “Batasan dan tantangan AI generatif” di bawah.)
Berkarya dengan AI generatif juga populer di kalangan pengguna perorangan. Anda dapat dengan cepat menguji konsep, membuat papan panduan desain, dan mengilustrasikan adegan luar biasa melalui bahasa sehari-hari. Namun, di sini juga bisa muncul masalah, karena ada banyak alat pembuat seni kecerdasan buatan yang dilatih menggunakan gambar berhak cipta.
Selain itu, masih ada kekhawatiran juga seputar hak cipta. Untuk membantu mengatasi masalah tersebut, Adobe melatih Firefly menggunakan gambar-gambar berlisensi di Adobe Stock beserta konten berlisensi terbuka dan konten domain publik yang hak ciptanya sudah kedaluwarsa. Karena Firefly didesain untuk dapat digunakan untuk tujuan komersial, alat ini dapat membantu di bidang lainnya, seperti pembuatan karya seni komersial, desain, gaming, lingkungan virtual, dan lain sebagainya.
Tantangan kualitas, bias, dan keamanan dalam AI generatif.
AI generatif memiliki kemampuan yang sangat menakjubkan, tetapi batasannya juga penting untuk dipahami. Tantangan-tantangan ini, seperti akurasi, bias, kekayaan intelektual, dan aturan yang terus berkembang seputar etika kecerdasan buatan, berakar pada cara kerja AI generatif di balik layar.
- Kecerdasan buatan tidak selalu benar. AI generatif dapat menghasilkan output yang terdengar meyakinkan tetapi tidak sesuai fakta. Karena bekerja dengan memprediksi pola dalam data, bukan memverifikasi fakta, AI generatif mungkin menyajikan informasi yang tampak meyakinkan tetapi salah. Perlindungan terbaik masih berupa pengawasan manusia dan validasi menggunakan sumber tepercaya.
- Bias bisa ada di mana saja. Memahami cara kerja AI generatif — yang belajar dari set data besar yang mencerminkan input dunia nyata — menjelaskan bagaimana bias sosial, seperti terkait gender atau ras, bisa muncul dalam hasilnya. Sementara para pengembang bekerja untuk mengidentifikasi dan meminimalkan bias melalui desain dan pengawasan berkelanjutan, pengguna juga bisa berperan dengan mengenali titik buta, menyempurnakan prompt, dan memberikan umpan balik.
- Hak kekayaan intelektual menjadi perhatian. AI generatif kadang dilatih menggunakan kumpulan karya kreatif dalam jumlah sangat besar, yang bisa menimbulkan masalah hak cipta. Sudah sewajarnya para kreator profesional waspada terhadap cara konten mereka digunakan, dan pengadilan masih meninjau batasan hukumnya. Adobe melatih Firefly menggunakan data berlisensi dan yang sudah jelas haknya, serta mendukung inisiatif seperti Content Authenticity Initiative (CAI) dan usulan tag “Do Not Train" (Dilarang Digunakan untuk Melatih), sehingga para kreator bisa mengontrol bagaimana karya mereka digunakan.
Mengikuti perkembangan cara kerja AI generatif.
Aturan, kebijakan, dan regulasi seputar AI generatif masih terus berkembang. Bisnis dan individu perlu tetap mengikuti informasi terbaru, meninjau kebijakan privasi dengan cermat, dan menghindari mengunggah informasi rahasia yang ingin mereka pertahankan privasinya. Bagi perusahaan, ini berarti meninjau output untuk mendeteksi masalah akurasi, bias, dan hak cipta. Bagi individu, ini berarti memperlakukan AI generatif sebagai mitra kreatif, bukan pengganti penilaian manusia.
Sambut masa depan desain dengan AI generatif Adobe Firefly.
AI generatif sudah mengubah hidup kita sehari-hari. Sebagai pakar virtual, AI generatif dapat meningkatkan efisiensi dan produktivitas beragam industri. Sebagai mitra pengembangan ide, AI generatif dapat meningkatkan kreativitas kita.
Teknologi di balik cara kerja AI generatif berkembang begitu cepat sehingga AI generatif di masa depan mungkin akan sangat berbeda dari yang ada saat ini. Jika kita menjelajahi alat-alat ini dengan rasa ingin tahu dan kehati-hatian, kita dapat menikmati manfaatnya — dan menghindari perangkat yang mungkin ada.
Cara kerja AI generatif untuk arsitektur.
Pelajari bagaimana AI generatif mengubah alur kerja dalam arsitektur. Dari sketsa awal hingga model 3D utuh, AI generatif membantu arsitek mengeksplorasi konsep, menyempurnakan desain, dan memvisualisasikan ruang lebih cepat dari sebelumnya. Pelajari selengkapnya tentang cara kerja AI generatif untuk arsitektur.
Cara kerja AI generatif untuk pengembang game.
Temukan bagaimana AI generatif dapat mempercepat pembuatan dunia game, desain karakter, dan pembuatan aset — sehingga pengembang game bisa lebih fokus pada penceritaan dan gameplay. Pelajari selengkapnya tentang cara kerja AI generatif untuk pengembang game.
Bagaimana cara kerja AI generatif dari prompt menjadi output?
Berikut cara kerja AI generatif di balik layar saat Anda memasukkan prompt menggunakan Adobe Firefly atau alat generatif lainnya. Tiap langkah mengombinasikan pembelajaran mesin canggih dengan kontrol yang mudah digunakan untuk menciptakan konten baru dari input Anda.
1. Input dan pengondisian.
Mulailah dengan memasukkan prompt teks atau mengunggah gambar referensi. Sistem mengondisikan input ini, artinya menafsirkan permintaan Anda dan bersiap untuk memunculkan hasilnya.
2. Pengodean.
Input diubah menjadi representasi numerik yang dapat dipahami oleh model. Misalnya, kata-kata diurai menjadi token, sementara gambar ditransformasikan menjadi titik-titik data yang menggambarkan bentuk, warna, dan karakteristik.
3. Pemahaman konteks dan penyelarasan.
Model AI generatif mengevaluasi input Anda berdasarkan apa yang telah dipelajari dari data pelatihan, dengan memperhatikan hubungan dan konteks. Penyelarasan ini membantu memastikan output sesuai dengan maksud Anda dan tetap relevan dengan permintaan Anda.
4. Penciptaan hasil.
Menggunakan pelatihannya, model menghasilkan konten baru, seperti memprediksi lanjutan kata dalam kalimat, menyempurnakan derau acak menjadi gambar, atau menghasilkan audio yang sesuai dengan deskripsi.
5. Panduan dan kontrol.
Pengaturan pengguna, seperti gaya, rasio aspek, atau palet warna merek, memandu prosesnya. Kontrol ini membantu mengarahkan output mencapai tampilan, nuansa, atau kasus penggunaan tertentu.
6. Pascapemrosesan dan ekspor.
Sistem memoles output, dengan cara meningkatkan kualitas dan menerapkan penyesuaian akhir. Lalu, Anda dapat mengunduh, mengekspor, atau menyempurnakan hasilnya lebih lanjut dengan alat Firefly atau aplikasi Adobe favorit Anda.
FAQ tentang cara kerja AI generatif.
Kecerdasan buatan generatif adalah cabang ilmu AI yang fokus pada pembuatan atau penciptaan konten baru, seperti gambar, musik, atau teks, melalui algoritma dan model pembelajaran mesin. AI generatif umumnya memerlukan input pengguna, seperti perintah teks, untuk menghasilkan output yang sesuai yang bentuknya meliputi teks, gambar, musik, atau video.
AI generatif memiliki mekanisme yang melibatkan pelatihan model menggunakan set data berukuran besar berupa teks, gambar, audio, atau video sehingga model dapat mempelajari pola dan hubungan. Ketika menerima prompt dari Anda, model akan menggunakan pengetahuan tersebut untuk menghasilkan konten baru, seperti memprediksi lanjutan kata dalam teks, atau menyempurnakan derau visual menjadi gambar, tergantung cara kerja model AI generatif yang dipilih.
Contoh AI generatif adalah pembuat gambar kecerdasan buatan seperti Adobe Firefly, yang dapat menciptakan gambar baru dari prompt teks atau foto referensi. Contoh lainnya adalah bot obrolan yang menghasilkan teks, alat yang menggubah musik, atau sistem yang memproduksi video dan model 3D.
Adobe Firefly menggunakan model canggih, seperti model difusi untuk gambar, untuk mengubah prompt teks atau file referensi Anda menjadi konten baru. Cara kerja AI generatif di Firefly adalah dengan mempelajari pola dari data berlisensi dan bebas hak, lalu menerapkan pengetahuan tersebut untuk menghasilkan gambar, efek teks, dan aset kreatif lainnya yang aman digunakan untuk kebutuhan komersial.
AI generatif banyak diterapkan untuk hal-hal yang bersifat praktis, termasuk untuk menulis kode komputer, membuat citra dan video, merangkum laporan, menganalisis data penjualan, dan melayani pelanggan.
Kecerdasan buatan secara luas didefinisikan sebagai mesin yang meniru kecerdasan manusia untuk menjalankan tugas. Cara kerja AI generatif adalah dengan menciptakan atau menghasilkan konten baru, seperti gambar, musik, atau teks, melalui algoritma dan model pembelajaran mesin. AI generatif biasanya memerlukan input pengguna untuk menghasilkan output yang sesuai.
Potensi manfaat utama dari kecerdasan buatan meliputi peningkatan efisiensi, produktivitas yang lebih tinggi, dan kreativitas yang lebih baik. Batasannya mencakup informasi yang tidak akurat, promosi yang bersifat bias, pelanggaran hak cipta, dan konsumsi energi.
Alur kerja bisnis dan perorangan dapat menjadi lebih baik dengan adanya peningkatan efisiensi, produktivitas, atau kreativitas. Bisnis yang mengintegrasikan AI generatif perlu meninjau output yang dihasilkan untuk memastikan akurasi, ada tidaknya bias, dan potensi pelanggaran hak cipta, sambil tetap membiarkan karyawan mengarahkan proses perumusan konsep dan strategi. Alat-alat AI generatif dapat digunakan secara perorangan untuk bekerja dan berkreasi, tetapi tetap harus berhati-hati dengan informasi pribadinya.
Artikel tentang AI generatif.
Apa itu seni kecerdasan buatan & bagaimana cara kerjanya?
AI Generatif dengan cepat menjadi alat yang sangat penting bagi para seniman. Lanjutkan membaca untuk mempelajari tentang seni AI generatif, cara membuatnya, dan cara memanfaatkannya dalam pekerjaan Anda.
7 gaya seni untuk prompt kecerdasan buatan
Surealisme, Kubisme, Impresionisme — cari tahu cara membuat gambar dalam semua gaya seni ini serta gaya seni lainnya dengan AI generatif.
Cara menulis perintah AI untuk arsitektur
Dengan perintah teks yang tepat dan sedikit pengetahuan, arsitek dapat menggunakan AI generatif untuk mengeksplorasi, membuat ide, dan meningkatkan visi mereka.
Prompt kecerdasan buatan untuk desainer grafis
Pelajari cara menulis prompt efektif untuk AI generatif guna mendapatkan hasil luar biasa untuk desain grafis.
