Adobe Firefly
Använd vanligt språk och få extraordinära resultat med generativ AI.
GÅ TILL AVSNITT
Hur fungerar generativ AI bakom kulisserna?
Varför generativ intelligens är så intelligent.
Hur olika typer av generativa AI-modeller fungerar.
Hur generativ AI fungerar i verkligheten och dess fördelar.
Utmaningar med kvalitet, fördomar och säkerhet inom generativ AI.
Generativ AI i korthet.
Under det senaste året har generativ artificiell intelligens fångat världens fantasi. Denna kraftfulla typ av AI kan skapa nytt innehåll – som bilder, musik, texter eller kod – baserat på mönster den lär sig från befintlig data. Generativ AI fungerar genom att använda dina inmatningar, som en textprompt eller en referensbild, och sedan tillämpa avancerade modeller för att producera helt nya resultat som matchar din begäran. Det är därför den kan skapa fantastiska bilder, skriva poesi, generera programkod eller till och med producera en låt som låter äkta.
Snart kan generativ AI vara lika central i våra liv som smarttelefonen. För många är den dock fortfarande ett mysterium. Denna guide tittar närmare på vad generativ AI är, vad den inte är och hur den kan förändra vårt sätt att arbeta och skapa.
Hur fungerar generativ AI bakom kulisserna?
Även om generativ AI kan verka som magi drivs den av komplex teknik som lär sig från data och tillämpar mönster för att skapa något nytt. Genom att bryta ner det bit för bit blir "magin" lättare att förstå.
Generativ AI är artificiell intelligens som inte bara analyserar befintlig information – den genererar helt nytt innehåll. Modellerna tränas på enorma datauppsättningar av text, bilder, ljud eller video, där de lär sig mönster, samband och stilar. När du ger modellen en inmatning som en textprompt eller referensbild, tillämpar den det den har lärt sig för att producera ett originellt resultat som matchar din begäran.
Det är därför du kan be en chattbot att föreslå en slogan och få en fräsch idé på några sekunder, eller använda Firefly för att omvandla en beskrivning till en bild som ser handritad eller fotorealistisk ut. Utöver kreativa uppgifter används generativ AI inom vetenskap och sjukvård för att designa nya proteiner, förbättra cancerbehandlingar och påskynda forskning. Dess potential sträcker sig långt bortom ord – den omformar redan hela branscher.
Varför generativ intelligens är så intelligent.
Förr i tiden kunde datorprogram inte utföra uppgifter utan att människor först programmerade dem att göra det. Även om traditionell programmering är imponerande, kan ett vanligt datorprogram inte utföra något som inte är förprogrammerat.
Generativa AI-system är flexiblare eftersom de bygger på maskininlärning, vilken inte kräver explicit programmering. Människan ger istället datorn tillgång till enorma datamängder. Maskinerna tränar sig själva på att identifiera mönster i dessa datamängder och, viktigast av allt, kan dra slutsatser av vad de lärt sig. (Det är här inlärningsbiten i ”maskininlärning” kommer in i bilden.) Storleken och kvaliteten på datamängden är avgörande. AI är bara så bra som de data systemet tränats på.
Att svara på frågan ”Hur fungerar generativ AI?” är komplext och kräver en djupgående förståelse. Det fantastiska med generativ AI är dock att du inte behöver förstå allt för att dra nytta av det. Du kan enkelt hitta ett program, som Firefly, skriva vad du vill se – ”tre labradoodlevalpar springer på gräset” – och vips, du är nu en generativ AI-användare. Ingen programmeringsutbildning behövs.
Så här drivs generativ AI.
Bakom kulisserna är generativ AI beroende av kraftfull hårdvara och storskalig databehandling för att fungera. Grafikprocessorer (GPU:er) och tensorprocessorer (TPU:er) hanterar de enorma beräkningar som krävs för att träna och köra dessa modeller.
Processen har två huvudfaser:
Träning.
Under träningen lär sig modellerna från enorma uppsättningar av data med text, bilder, ljud eller video. Detta steg är energikrävande eftersom det kräver distribuerad databehandling, parallell bearbetning och långa körtider för att känna igen mönster och samband.
Inferens.
När modellen väl är tränad kan den generera resultat på begäran, som att skriva text, skapa en bild eller översätta ljud, med mycket mindre energi. Inferens kan också optimeras genom tekniker som batchbearbetning och driftsättning i molnet.
Generativ AI kan förbruka mycket energi, och företag som utvecklar dessa verktyg blir allt mer medvetna om miljökostnaden. Insatser för att förbättra effektiviteten och minska koldioxidavtrycket pågår, men det återstår fortfarande mycket att göra.
Så tränas generativ AI.
För att förstå hur generativ AI fungerar hjälper det att titta på vad som händer innan du ens skriver en prompt. AI-träningsprocessen omfattar noggrann datarensning och urval för att förbättra kvaliteten, förträning på stora datauppsättningar för att etablera en kunskapsbas och finjustering för specifika uppgifter eller domäner.
Mänsklig återkoppling och säkerhetsanpassning är också viktiga och hjälper till att finslipa resultaten och minska oönskad partiskhet. På Adobe inkluderar träningen licensierat och fritt material, inklusive innehåll från Adobe Stock, så att professionella kreatörer tryggt kan använda generativa verktyg.
Hur olika typer av generativa AI-modeller fungerar.
Det finns flera typer av generativa AI-modeller, och var och en fungerar på lite olika sätt. Att förstå generativ AI jämfört med annan AI kan hjälpa dig att förstå vilken modelltyp som passar bäst för ditt specifika projekt.
- Stora språkmodeller (LLM).
Tränade på enorma textmängder genererar LLM:er, som ChatGPT eller Claude, naturligt klingande språk genom att förutsäga nästa ord i en sekvens. Detta gör dem duktiga på att skriva, svara på frågor och skapa människoliknande dialog - Diffusionsmodeller.
Diffusionsmodeller används vanligtvis för bilder och video. De börjar med slumpmässigt brus och förfinar det gradvis till ett tydligt resultat som matchar en prompt. Detta är metoden som driver Fireflys AI-bildgenerator. - Generativa motståndarnätverk (GANs).
GANs använder två nätverk: en generator som skapar utdata och en kritiker som utvärderar dem. Genom att tävla mot varandra förbättras de tills de genererade bilderna ser realistiska ut. GANs var en tidig drivkraft bakom AI-konst och skapandet av deepfakes. - Variationsautoenkodare (VAEs).
VAE:er komprimerar data till en enklare representation och rekonstruerar den sedan, vilket gör det möjligt att generera variationer som fångar "essensen" av originalet. De är särskilt användbara för att blanda stilar eller producera flera varianter. - Transformatorbaserade modeller.
Transformatorer är den underliggande arkitekturen bakom många generativa system, inklusive både LLM:er och diffusionsmodeller. De använder en "uppmärksamhetsmekanism" för att förstå relationer mellan data, som ord i en mening eller pixlar i en bild, så att utdata förblir korrekta och kontextuellt relevanta.
Tillsammans gör dessa modelltyper det möjligt för generativ AI att hantera allt från text till video och att fortsätta utvecklas till mer kapabla och kreativa system.
Hur generativ AI fungerar i verkligheten och dess fördelar.
AI gav oss virtuella assistenter. Generativ AI, å andra sidan, ger oss virtuella experter – dock med vissa begränsningar som vi kommer att ta upp senare. Så hur fungerar generativ AI i verkligheten för företag, yrkesverksamma och vardagsanvändare? Genom att skapa nytt innehåll på begäran hjälper den team att arbeta snabbare, utforska fler idéer och leverera resultat som tidigare krävde mycket mer tid och resurser. Fördelarna med generativ AI sträcker sig från ökad effektivitet till utökad kreativitet, vilket gör den till ett värdefullt verktyg inom alla branscher.
Företag och generativ AI.
Generativ AI kan tillföra värde genom att optimera hur organisationer hanterar intern kunskap. Professionella kreatörer kan använda verktyg som Adobe Fireflys AI-karaktärsgenerator för att utveckla unika karaktärer för spel, filmer och marknadsföringskampanjer. Generativ AI har potential att låta exempelvis strateger i en klädkedja söka i företagets lagerregister genom att ställa frågor som "Sålde vi fler shorts eller byxor förra sommaren?" Sådana insikter kan påskynda beslutsfattande och strategiutveckling.
Generativ AI har potential att revolutionera en mängd branscher genom att öka produktiviteten, förbättra effektiviteten och tända kreativitetens gnista. Den kan analysera komplexa datauppsättningar – från kalkylblad och rapporter till bilder och diagram – mycket snabbare än människor, vilket hjälper team att hitta insikter och ge rekommendationer. För marknadsförare kan den effektivisera repetitiva uppgifter som att ändra storlek på annonser eller rapportera om innehållets prestanda. Kreatörer som grafiska formgivare kan använda AI som en idéspruta som föreslår nya riktningar och variationer för att inspirera till nytänkande.
Privatpersoner och generativ AI.
Privatpersoner använder redan generativ AI för att få svar på allmänna frågor och genomföra undersökningar. (Observera att dessa svar och resultat kräver faktakontroll av en människa – mer om dessa och andra nackdelar finns i avsnittet ”Nackdelar och utmaningar med generativ AI” nedan.)
Att skapa konst med generativ AI är också populärt bland privatpersoner. Du kan snabbt testa koncept, skapa en moodboard och drömma fram extraordinära scener med vardagligt språk. Det finns dock utmaningar här också, eftersom många AI-konstgeneratorer är tränade på upphovsrättsskyddade bilder.
Det kan också uppstå frågor kring copyrighträttigheter. För att bemöta dessa farhågor har Adobe tränat Firefly på licensierade bilder i Adobe Stock tillsammans med öppet licensierat innehåll och innehåll i den publika domänen där upphovsrätten har löpt ut. Eftersom Firefly har utformats för att kunna användas kommersiellt kan systemet öppna dörrarna till många andra områden, som kommersiell konst, design, spel, virtuella miljöer med mera.
Utmaningar med kvalitet, fördomar och säkerhet inom generativ AI.
Generativ AI:s förmågor är häpnadsväckande, men det är viktigt att förstå dess begränsningar. Dessa utmaningar, som noggrannhet, fördomar, immateriella rättigheter och utvecklingen av regler kring AI-etik, härstammar alla från hur generativ AI fungerar bakom kulisserna.
- AI:n har inte alltid rätt. Generativ AI kan producera resultat som låter övertygande men som inte är faktamässigt korrekta. Eftersom generativ AI fungerar genom att förutsäga mönster i data snarare än att verifiera fakta, kan den presentera information som ser finslipad ut men är felaktig. Det bästa skyddet är fortfarande mänsklig övervakning och validering med hjälp av pålitliga källor.
- Fördomar kan finnas överallt. Att förstå hur generativ AI fungerar – genom att lära sig från stora datauppsättningar som speglar verkliga indata – förklarar hur samhälleliga fördomar, som de kring kön eller etnicitet, kan dyka upp i resultaten. Medan utvecklare arbetar för att identifiera och minska fördomsfullhet genom design och kontinuerlig övervakning, kan användare också spela en roll genom att känna igen blinda fläckar, finslipa prompter och dela feedback.
- Immateriella rättigheter är en utmaning. Generativ AI tränas ibland på enorma samlingar av kreativt arbete, vilket kan leda till upphovsrättsliga problem. Professionella kreatörer är med rätta aktsamma med hur deras innehåll används, och domstolar arbetar ännu med att fastställa de juridiska gränserna. Adobe tränar Firefly på licensierat och fritt material och stöder initiativ som Content Authenticity Initiative (CAI) och den föreslagna "Do Not Train"-taggen, så att kreatörer kan kontrollera hur deras verk används.
Håll dig uppdaterad om förändringar inom generativ AI.
Regler, policyer och förordningar kring generativ AI är fortfarande under utveckling. Företag och privatpersoner måste hålla sig informerade, granska integritetspolicyer noggrant och undvika att ladda upp konfidentiell information de vill hålla privat. För företag innebär detta att granska resultat för noggrannhet, fördomar och upphovsrättsfrågor. För individer betyder det att behandla generativ AI som en kreativ partner, inte en ersättning för mänskligt omdöme.
Omfamna framtidens design med Adobe Fireflys generativa AI.
Generativ AI håller redan på att förändra våra liv. Som virtuell expert kan generativ AI förbättra effektiviteten och produktiviteten inom många branscher. Som brainstormingpartner kan generativ AI förstärka vår kreativitet.
Teknologin bakom generativ AI utvecklas så snabbt att morgondagens generativa AI kan se helt annorlunda ut än dagens. Om vi utforskar verktygen med nyfikenhet och försiktighet kan vi utnyttja deras fördelar – och undvika eventuella fallgropar.
Så fungerar generativ AI inom arkitektur.
Lär dig hur generativ AI omformar arbetsflöden inom arkitektur. Från tidiga skisser till fullständiga 3D-modeller hjälper generativ AI arkitekter att utforska koncept, finslipa design och visualisera utrymmen snabbare än någonsin. Lär dig mer om hur generativ AI fungerar för arkitektur.
Så fungerar generativ AI för spelutvecklare.
Upptäck hur generativ AI kan påskynda världsbyggande, karaktärsdesign och skapande av resurser – vilket ger spelutvecklare mer tid att fokusera på berättande och gameplay. Lär dig mer om hur generativ AI fungerar för spelutvecklare.
Hur fungerar generativ AI från prompt till resultat?
Så här fungerar generativ AI bakom kulisserna när du ger en prompt med Adobe Firefly eller ett annat generativt verktyg. Varje steg kombinerar avancerad maskininlärning med användarvänliga kontroller för att skapa nytt innehåll från dina inmatningar.
1. Inmatning och betingning.
Börja med att ange en textprompt eller ladda upp en referensbild. Systemet betingas på dessa inmatningar, vilket betyder att det tolkar vad du har bett om och förbereder sig för att generera ett resultat.
2. Kodning.
Inmatningen omvandlas till en numerisk representation som modellen kan förstå. Till exempel bryts ord ner till tokens, medan bilder omvandlas till datapunkter som beskriver former, färger och egenskaper.
3. Kontextförståelse och anpassning.
Den generativa AI-modellen utvärderar din inmatning mot vad den har lärt sig från träningsdata, med fokus på relationer och sammanhang. Denna anpassning hjälper till att säkerställa att resultatet matchar din avsikt och förblir relevant för din förfrågan.
4. Generering.
Baserat på sin träning genererar modellen nytt innehåll, som att förutse nästa ord i en mening, slipa ner slumpmässigt brus till en bild eller skapa ljud som passar beskrivningen.
5. Vägledning och kontroller.
Användarinställningar som stil, bildformat eller varumärkespaletter styr processen. Dessa kontroller hjälper till att styra resultatet mot ett specifikt utseende, ton eller användningsområde.
6. Efterbearbetning och export.
Systemet bearbetar resultatet, förbättrar kvaliteten och applicerar slutjusteringar. Du kan sedan hämta, exportera eller finslipa resultatet ytterligare med dina favoritverktyg i Firefly eller Adobe-program.
Vanliga frågor om hur generativ AI fungerar.
Generativ artificiell intelligens är en gren av AI som fokuserar på att skapa eller producera nytt innehåll, som bilder, musik eller text, genom algoritmer och maskininlärningsmodeller. Generativ AI kräver vanligen input från användaren, som en textprompt, för att kunna generera motsvarande resultat i form av text, bild, musik eller video.
Mekanismen bakom generativ AI går ut på att träna modeller på stora datauppsättningar med text, bilder, ljud eller video så att de kan lära sig mönster och samband. När du avger en prompt använder modellen dessa kunskapen för att skapa nytt innehåll, som att förutsäga nästa ord i en text eller förfina brus till en bild, beroende på hur den valda generativa AI-modellen fungerar.
Ett exempel på generativ AI är en AI-bildgenerator som Adobe Firefly, som kan skapa nya bilder från textprompter eller referensfoton. Andra exempel är chattbotar som genererar text, verktyg som komponerar musik eller system som producerar video och 3D-modeller.
Adobe Firefly använder avancerade modeller, som diffusionsmodeller för bilder, för att omvandla dina textprompter eller referensfiler till nytt innehåll. Generativ AI i Firefly lär sig mönster från licensierat och fritt material och applicerar sedan dessa kunskaper för att skapa bilder, texteffekter och andra kreativa resurser som är kommersiellt säkra att använda.
Det finns många praktiska tillämpningar för generativ AI, inklusive skriva datorkod, skapa bilder och videor, sammanfatta rapporter, analysera säljdata och betjäna kunder.
Artificiell intelligens definieras i stort som maskiner som efterliknar mänsklig intelligens för att utföra uppgifter. Generativ AI fungerar genom att skapa eller producera nytt innehåll, som bilder, musik eller text, genom algoritmer och maskininlärningsmodeller. Generativ AI kräver vanligtvis användarinput för att generera motsvarande output.
Potentiella viktiga fördelar med artificiell intelligens är bättre effektivitet, större produktivitet och ökad kreativitet. Nackdelar handlar om felaktig information, främjande av fördomar, intrång i copyrighträttigheter och energiförbrukning.
Företag och enskilda personer kan se var i arbetsflödet de kan tjäna på att få en ökad effektivitet, produktivitet eller kreativitet. Företag som integrerar generativ AI bör granska det resultat som genereras med avseende på korrekthet, fördomar och intrång i copyrighträttigheter medan medarbetarna kan arbeta fram koncept och strategier. Enskilda personer kan använda verktyg för generativ AI på arbete och fritid samtidigt som de bör vara försiktiga med sina personuppgifter.
Artiklar om generativ AI.
Vad är AI-konst och hur fungerar det?
Generativ AI håller snabbt på att bli ett viktigt verktyg för konstnärer. Läs mer om vad generativ AI-konst är, hur du kan skapa det och hur du kan använda det i din verksamhet.
Sju konststilar för AI-prompter
Surrealism, kubism, impressionism – se hur du kan skapa bilder i dessa och andra konststilar med generativ AI.
Skriva AI-prompter för arkitektur
Med rätt textprompt och en del kunskap kan arkitekter använda generativ AI för att utforska, inspirera och höja nivån på visionen.
AI-prompter för grafiska formgivare
Lär dig skriva effektiva prompter för generativ AI som ger enastående resultat för grafisk design.
