Adobe Firefly
Bruk hverdagsspråk til å produsere ekstraordinære resultater med generativ KI.
GÅ TIL AVSNITT
Hvordan fungerer generativ KI bak kulissene?
Derfor er generativ intelligens så intelligent.
Slik er mekanismene bak generativ KI.
Slik fungerer ulike typer generativ KI-modeller.
Fordelene ved generativ KI og hvordan det fungerer i praksis.
Generativ KI: problemstillinger innen kvalitet, skjevheter/bias og sikkerhet.
Stig inn i fremtidens designlandskap med Adobe Firefly generativ KI.
Hvordan fungerer generativ KI, fra hjelpetekst til ferdig resultat?
Generativ KI i et nøtteskall.
Det siste året har generativ kunstig intelligens skapt bølger over hele verden. Det handler om svært avansert KI som kan skape nytt innhold – som bilder, musikk, tekst eller kode – basert på mønstre den lærer av eksisterende data. Generativ KI fungerer ved å bruke inndata fra deg, som en hjelpetekst eller et referansebilde, og deretter anvende avanserte modeller for å produsere helt nye resultater i tråd med forespørselen din. Dermed kan den lage fantastiske bilder, skrive dikt, generere programvarekode eller til og med produsere en sang som høres ekte ut.
Snart kan generativ KI spille en like sentral rolle i livene våre som smarttelefonen. Men fortsatt er denne teknologien noe av et mysterium for mange. I denne veiledningen ser vi på hva generativ KI er, hva det ikke er, og hvordan det kan endre måten vi jobber og skaper innhold på.
Hvordan fungerer generativ KI bak kulissene?
Selv om generativ KI kan virke som trolldom, er det basert på kompleks teknologi som lærer av data og bruker mønstre til å skape noe nytt. Når vi ser nærmere på hvordan det faktisk fungerer, blir "magien" lettere å forstå.
Generativ KI er kunstig intelligens som ikke bare analyserer eksisterende informasjon, men også genererer helt nytt innhold. Modellene læres opp på massive datasett av tekst, bilder, lyd eller video, hvor de fanger opp mønstre, sammenhenger og stiler. Når du gir modellen inndata som en hjelpetekst eller et referansebilde, bruker den det den har lært, for å produsere et originalt resultat i tråd med forespørselen din.
Det er derfor du kan be en chatbot om å foreslå et slagord og få en fersk idé på sekunder, eller bruke Firefly til å forvandle en beskrivelse til et bilde som ser håndtegnet eller fotorealistisk ut. Utenom rent kreative oppgaver brukes generativ KI både i forskning og i helsevesenet for å designe nye proteiner, forbedre kreftbehandlinger og effektivisere forskningen. Potensialet strekker seg langt utover bare en "lek med ord" – teknologien er allerede i ferd med å forvandle hele bransjer.
Derfor er generativ intelligens så intelligent.
Tidligere kunne ikke dataapplikasjoner utføre en oppgave med mindre mennesker først gav eksplisitte instruksjoner om hvordan oppgaven skulle løses. Disse instruksjonene kalles "programmering". Selv om sofistikert programmering kan gi imponerende resultater, kan en tradisjonell dataapplikasjon ikke gjøre noe som ikke mennesker har lagt inn i programmeringen.
Generativ KI-systemer er mer fleksible fordi de baserer seg på maskinlæring, noe som ikke krever eksplisitt programmering. I stedet gir vi datamaskiner tilgang til store mengder data. Maskinene lærer opp seg selv for å gjenkjenne mønstre i disse dataene, og fremfor alt trekke konklusjoner basert på det de har lært. (Det er her læringsdelen av "maskinlæring" kommer inn i bildet.) Størrelsen og kvaliteten på datasettet er viktig. En KI-modell er ikke bedre enn dataene den er trent opp på.
"Hvordan fungerer generativ KI?" er et komplekst spørsmål, og det skal en del til for å få en virkelig god forståelse av det hele. Det fine med generativ KI er imidlertid at du ikke trenger å forstå alt om teknologien for å dra nytte av den. Du kan rett og slett bare finne deg en applikasjon, som Firefly, skrive inn hva du vil se – "tre labradoodle-valper løper på gresset" – og vips, så har du brukt generativ KI, uten å måtte ha en utdanning som programmerer i ryggen.
Slik er mekanismene bak generativ KI.
Under panseret må generativ KI ha kraftig maskinvare og databehandling i stor skala for å fungere. Grafikkprosessorer (GPU-er) og tensorprosessorer (TPU-er) håndterer de massive beregningene som trengs for å lære opp og kjøre disse modellene.
Prosessen har to hovedfaser:
Læring.
Under opplæringen samler modellene opp kunnskap fra enorme datasett av tekst, bilder, lyd eller video. Dette stadiet er energikrevende fordi det krever distribuert databehandling, parallellprosessering og lange kjøretider for å gjenkjenne mønstre og sammenhenger.
Inferens.
Når en modell er ferdig opplært, kan den generere resultater på forespørsel, som å skrive tekst, produsere bilder eller oversette lydinnhold, med betydelig mindre energiforbruk. Inferens kan også optimaliseres gjennom teknikker som batching og skybasert distribusjon.
Generativ KI kan være energikrevende, og selskapene som utvikler disse verktøyene, blir stadig mer bevisst på miljøkostnadene. Det pågår arbeid for å forbedre effektiviteten og redusere karbonavtrykket, men her gjenstår det fortsatt mye jobb.
Slik læres generativ KI opp.
For å forstå hvordan generativ AI fungerer, er det nyttig å se på hva som skjer før du i det hele tatt skriver en hjelpetekst. KI-opplæringsprosessen omfatter nøye datarensing og kuratering for å forbedre kvaliteten, forhåndsopplæring basert på store datasett for å etablere en kunnskapsbase samt finjustering for spesifikke oppgaver eller domener.
Sikkerhetsoptimalisering og tilbakemeldinger fra mennesker er også viktig for å forbedre resultatene og redusere uønskede skjevheter og bias. Hos Adobe inkluderer opplæringen et grunnlag av lisensierte og rettighetsklarerte data, inkludert innhold fra Adobe Stock, som gjør at folk som jobber i kreative yrker, kan bruke generative verktøy uten å krenke opphavsretten.
Slik fungerer ulike typer generativ KI-modeller.
Det finnes flere typer generativ KI-modeller, og de fungerer på litt forskjellige måter. Når du forstår forskjellen mellom generativ KI og annen KI, kan det hjelpe deg å velge modelltypen som passer best for ditt spesifikke prosjekt.
- Store språkmodeller (LLM-er).
LLM-er som ChatGPT eller Claude er trent opp på enorme datasett med tekst, noe som gjør dem i stand til å generere naturlig språk ved å forutsi neste ord i en sekvens. Dette gjør dem til et svært effektivt verktøy for å skrive tekst, få svar på spørsmål og generere realistisk dialog. - Diffusjonsmodeller.
Diffusjonsmodeller brukes ofte til bilder og videoer. De starter med tilfeldig støy og forbedrer denne gradvis til et tydelig resultat i tråd med hjelpeteksten de har fått. Dette er metoden som KI-bildegeneratoren i Firefly er basert på. - GAN-nettverk (Generative Adversarial Networks).
GAN-teknologien bruker to nettverk: en generator som skaper utdata, og en diskriminator som evaluerer dem. Ved å konkurrere med hverandre forbedres de til de genererte bildene ser realistiske ut. GAN-nettverkene var en tidlig teknologi for KI-kunst og generering av såkalte "deepfakes". - VAE (Variational Autoencoders).
VAE-er komprimerer data til en enklere representasjon, før de deretter rekonstrueres. Dette gjør det mulig å generere variasjoner som beholder "essensen" av originalen. De er spesielt nyttige for å blande stiler eller produsere flere ulike versjoner av noe. - Transformer-baserte modeller.
Transformere er den underliggende arkitekturen bak mange generative systemer, inkludert både LLM-er og diffusjonsmodeller. De bruker en "oppmerksomhets"-mekanisme for å forstå relasjoner på tvers av data, som ord i en setning eller piksler i et bilde, slik at de kan generere resultater som er mer eller mindre riktige og kontekstuelt relevante.
Sammen gjør disse modelltypene det mulig for generativ KI å produsere alt fra tekst til video – og å fortsette å utvikle seg til enda kraftigere og mer kreative systemer.
Fordelene ved generativ KI, og hvordan det fungerer i praksis.
KI har gitt oss virtuelle assistenter. Generativ KI gir oss derimot virtuelle eksperter – riktignok med noen begrensninger (vi skal se nærmere på dem senere). Så hvordan fungerer generativ KI i praksis for bedrifter, yrkesutøvere og hverdagsbrukere? Ved å skape nytt innhold på forespørsel gjør teknologien det mulig å jobbe raskere, utforske flere ideer og levere resultater som tidligere krevde langt mer tid og ressurser. Fordelene ved generativ KI strekker seg fra økt effektivitet til større kreative muligheter, noe som gjør dette til et verdifullt verktøy i mange ulike bransjer.
Bedrifter og generativ KI.
Generativ KI kan skape verdi ved å optimalisere hvordan organisasjoner håndterer intern kunnskap. Folk som jobber i kreative yrker, kan bruke verktøy som KI-figurgeneratoren i Adobe Firefly til å utvikle unike karakterer til spill, filmer og markedsføringskampanjer. Generativ KI kan for eksempel brukes av strategiske utviklere i en kleskjede til å gjøre søk i selskapets lagerbeholdning ved å stille spørsmål som: "Solgte vi flest shorts eller langbukser forrige sommer?" Denne typen innsikt kan bane vei for mer effektiv beslutningstaking og strategiutvikling.
Utenom disse eksemplene brukes generativ KI i mange ulike bransjer for å øke produktiviteten, forbedre effektiviteten og stimulere til kreativitet. Teknologien kan analysere alt fra komplekse datasett i regneark og rapporter til bilder og diagrammer mye raskere enn mennesker er i stand til, og bidrar med å utvikle innsikter og komme med anbefalinger. For markedsførere kan den effektivisere rutinemessige oppgaver som å endre størrelse på annonser eller rapportere om resultatene man får med ulike markedsføringsressurser. Personer i kreative yrker, som grafiske designere, kan bruke KI som en idémyldringspartner som foreslår nye tilnærminger og variasjoner som inspirerer til nye ideer.
Privatpersoner og generativ KI.
Vanlige brukere benytter seg allerede av generativ KI for å få svar på generelle spørsmål og utforske ulike emner. (Vær oppmerksom på at svarene krever menneskelig faktasjekking – mer om disse og andre ulemper i delen "Begrensninger og utfordringer ved generativ" KI nedenfor.)
Det å skape kunst og andre motiver med generativ KI er også populært. Man kan raskt teste konsepter, lage et idékart og bruke hverdagsspråk til å generere storslåtte og fantasifulle scener. Her er det imidlertid også en kime til potensielle problemer, ettersom mange KI-kunstgenerator-verktøy er lært opp på bilder som er beskyttet av opphavsrett.
Adobe har bidratt til å løse disse problemene ved å lære opp Firefly basert på lisensierte bilder fra Adobe Stock, i tillegg til innhold med åpen lisens og offentlig eid innhold med utløpt opphavsrett. Siden Firefly er designet for å brukes kommersielt, kan dette verktøyet åpne dører til mange andre områder, blant annet kommersiell kunst, design, spill og virtuelle miljøer.
Generativ KI: problemstillinger innen kvalitet, skjevheter/bias og sikkerhet.
Det er utrolige muligheter med generativ KI, men det er også viktig å forstå begrensningene i denne teknologien. Utfordringer knyttet til feil og hallusinasjoner, skjevheter/bias, opphavsrettslige problemer og utviklingen innen regler for det etiske ved bruk av KI handler om hvordan generativ KI arbeider bak kulissene.
- KI-en har ikke alltid rett. Generativ KI kan produsere resultater som virker overbevisende, men som ikke er korrekte. Siden generativ KI fungerer ved å forutsi mønstre i data snarere enn å verifisere fakta, kan teknologien presentere informasjon som ser overbevisende ut, men faktisk er feil. Det beste er fortsatt å kvalitetssikre resultatene med menneskelig tilsyn og validering ved hjelp av pålitelige kilder.
- Skjevheter og bias kan være overalt. Når man forstår hvordan generativ KI fungerer – ved å lære fra store datasett som gjenspeiler inndata fra den virkelige verden – ser man hvordan hvordan samfunnsmessige skjevheter og biaser knyttet til for eksempel kjønn eller etnisitet kan gjenspeiles i resultatene. Utviklere jobber med å identifisere og redusere slike skjevheter gjennom designmessige grep og løpende tilsyn, men brukerne kan også spille en rolle ved å gjenkjenne "blindsoner", bruke gjennomtenkte hjelpetekster og gi tilbakemeldinger.
- Immaterielle rettigheter er et problem. Generativ KI læres noen ganger opp på enorme samlinger av kreativt arbeid, noe som kan føre til opphavsrettslige problemer. Folk i kreative yrker er med rette nøye på hvordan innholdet deres brukes, og rettsvesenet tar fortsatt de juridiske grensene alvorlig. Adobe lærer opp Firefly på lisensierte og rettighetsklarerte data og støtter initiativer som Content Authenticity Initiative (CAI) og den foreslåtte "Do Not Train"-taggen for å gi designere og innholdsskapere bedre kontroll over hvordan arbeidet deres brukes.
Man må holde tritt med endringene i hvordan generativ KI fungerer.
Reglene, retningslinjene og forskriftene rundt generativ KI er fortsatt i utvikling. Bedrifter og enkeltpersoner må holde seg informert, gjennomgå personvernreglene nøye og unngå å laste opp informasjon de ønsker å holde privat. For selskaper betyr dette å gjennomgå resultatene de får, med hensyn til riktighet, skjevheter/bias og opphavsrettslige problemer. For enkeltpersoner betyr det å behandle generativ KI som en kreativ partner, ikke som en erstatning for menneskelig dømmekraft.
Stig inn i fremtidens designlandskap med Adobe Firefly generativ KI.
Generativ KI endrer allerede livene våre. Som en virtuell ekspert kan generativ KI øke effektiviteten og produktiviteten i mange bransjer, og som idédugnadspartner kan generativ KI hjelpe oss å bli mer kreative.
Teknologien bak generativ KI utvikler seg så raskt at morgendagens generative KI kan se veldig annerledes ut enn i dag. Hvis vi utforsker verktøyene med nysgjerrighet og forsiktighet, kan vi dra nytte av alle fordelene – og unngå eventuelle fallgruver.
Slik fungerer generativ KI innen arkitektur.
Les om hvordan generativ KI revolusjonerer arbeidsflytene innen arkitektur. Fra tidlige skisser til fullstendige 3D-modeller hjelper generativ KI arkitekter med å utforske konsepter, forbedre design og visualisere rom og områder raskere enn noensinne. Les mer om hvordan generativ KI fungerer innen arkitektur.
Slik fungerer generativ KI for spillutviklere.
Utforsk hvordan generativ KI kan akselerere verdensbygging, figurdesign og utvikling av ressurser – og gi spillutviklere mer tid til å fokusere på historiefortellingen og spillmekanismene. Les mer om hvordan generativ KI fungerer for spillutviklere.
Hvordan fungerer generativ KI, fra hjelpetekst til ferdig resultat?
Slik fungerer generativ KI bak kulissene når du gir en instruksjon ved hjelp av Adobe Firefly eller et annet generativt verktøy. Hvert steg kombinerer avansert maskinlæring med brukervennlige kontroller for å skape nytt innhold basert på dine innspill.
1. Inndata og kondisjonering.
Start med å skrive inn en hjelpetekst eller laste opp et referansebilde. Systemet kondisjonerer disse inndataene, noe som betyr at det tolker det du har bedt om, og forbereder seg på å generere et resultat.
2. Koding.
Inndataene konverteres til en numerisk representasjon som modellen kan forstå. For eksempel brytes ord ned til symboler, mens bilder brytes ned til datapunkter som beskriver former, farger og egenskaper.
3. Kontekstforståelse og tilpasning.
Generativ KI-modellen evaluerer inndataene dine opp mot det den har lært fra treningsdataene, med fokus på relasjoner og sammenhenger. Denne tilpasningen bidrar til å sikre at resultatet passer til intensjonen din og er relevant for forespørselen.
4. Generering.
Modellen genererer nytt innhold basert på det den er opplært på, som å forutsi neste ord i en setning, gjøre tilfeldig støy om til et bilde eller produsere lydinnhold som passer til beskrivelsen den har fått.
5. Veiledning og kontroller.
Brukerinnstillinger knyttet til stil, størrelsesforhold eller profileringsfarger gir føringer for prosessen og bidrar til å styre resultatet i retning av et bestemt utseende, en bestemt tone eller et konkret bruksområde.
6. Etterbehandling og eksport.
Systemet finpusser resultatet, forbedrer kvaliteten og gjør de siste justeringene. Deretter kan du laste ned, eksportere eller forbedre resultatet ytterligere med Firefly-verktøy eller Adobe-applikasjoner.
Vanlige spørsmål om hvordan generativ AI fungerer.
Generativ kunstig intelligens er en gren av KI som fokuserer på å produsere nytt innhold, blant annet bilder, musikk og tekst, via algoritmer og maskinlæringsmodeller. Generativ KI krever vanligvis brukerinndata, for eksempel en hjelpetekst, for å generere tilsvarende utdata, for eksempel tekst, bilde, musikk eller video.
Mekanismene bak generativ KI innebærer å lære opp KI-modellene med store datasett med tekst, bilder, lydinnhold eller video, slik at de kan lære mønstre og sammenhenger. Når du skriver inn en hjelpetekst, bruker modellen denne kunnskapen til å generere nytt innhold. Dette kan være å forutsi neste ord i en tekst, eller å forvandle støy til et tydelig bilde, avhengig av hvordan den valgte generativ KI-modellen fungerer.
Et eksempel på generativ KI er en KI-bildegenerator som Adobe Firefly, som kan skape nye bilder ut fra hjelpetekster eller referansebilder. Andre eksempler er blant annet chatbots som genererer tekst, verktøy som komponerer musikk, og systemer som produserer video og 3D-modeller.
Adobe Firefly bruker avanserte modeller, som diffusjonsmodeller for bilder, for å gjøre hjelpetekster eller referansefiler om til nytt innhold. Generativ KI i Firefly lærer seg mønstre fra lisensierte og rettighetsklarerte data og anvender deretter denne kunnskapen til å generere bilder, teksteffekter og andre ressurser som er kommersielt trygge å bruke.
Det finnes mange praktiske bruksområder for generativ KI, blant annet skriving av datakode, generering av bildemateriale og videoer, oppsummering av rapporter, analysering av salgsdata og betjening av kunder.
Kunstig intelligens er bredt definert som maskiner som etterligner menneskelig intelligens for å utføre oppgaver. Generativ KI fungerer ved å skape eller produsere nytt innhold, som bilder, musikk eller tekst, gjennom algoritmer og maskinlæringsmodeller. Generativ KI krever vanligvis brukerinndata for å generere det ønskede resultatet.
Potensielle viktige fordeler ved kunstig intelligens omfatter blant annet økt effektivitet, produktivitet og kreativitet. Blant begrensningene finner du unøyaktig informasjon, skjev markedsføring, brudd på opphavsrett og høyt energiforbruk.
Bedrifter og enkeltpersoner kan se etter steder i arbeidsflyten der de kan dra nytte av ekstra effektivitet, produktivitet eller kreativitet. Bedrifter med integrert generativ KI bør gjennomgå genererte resultater med tanke på nøyaktighet, skjevheter og brudd på opphavsrett, samtidig med at konsepter og strategier drives frem av de ansatte. Enkeltpersoner kan bruke generativ KI-verktøy til arbeid og moro, men må samtidig være forsiktige med personlige opplysninger.
Artikler om generativ KI.
Hva er KI-kunst, og hvordan fungerer det?
Generativ KI er raskt i ferd med å bli et viktig verktøy for kunstnere. Les videre for å finne ut hva generativ KI-kunst er, hvordan du lager det, og hvordan du kan bruke det i praksis.
Hjelpetekster for sju kunstneriske stilarter
Surrealisme, kubisme eller impresjonisme – finn ut hvordan du kan lage bilder i disse og andre kunstneriske stilarter med generativ KI.
Slik skriver du KI-hjelpetekster for arkitektur
Med den riktige hjelpeteksten og litt kunnskap kan arkitekter bruke generativ KI til å utforske, idémyldre og ta den kreative visjonen til neste nivå.
KI-hjelpetekster for grafiske designere
Finn ut hvordan du skriver effektive hjelpetekster for generativ KI for å få flotte resultater innen grafisk design.
