Adobe凭借企业级创意应用程序进入生成式人工智能时代
也许在不久的将来,从插图到品牌资产,一切都可能使用Adobe公司的企业级创意应用程序以及生成式人工智能工具Firefly以不同的方式创建。人们只需要向Firefly说出他们的要求,它就会绘出图画或制作视频。
只要说出来,就能画出来
在Adobe召开的峰会上,该公司发布了Adobe Express企业版,这是一种新的工具,用于创建、共享和协作高质量的品牌内容,如多媒体内容、社交帖子等。Adobe将在Photoshop、After Effects、Premiere Pro及其客户体验工具中也引入生成式人工智能工具,还将为企业用户推出一款新的内容创建工具。
对于许多用户来说,最令他们感兴趣的消息就是Adobe计划将在其创意工具中引入生成式AI。
人工智能对Adobe来说并不陌生。该公司开发的Sensei平台驱动强大的工具,例如Photoshop中的滤镜功能,其新推出的Firefly有望将其性能提升到很高的水平。
Adobe解释说,它的人工智能工具Firefly将对创意工作者非常有吸引力,他们可以使用Firefly来创作图像、视频、插图和3D图像。它将创作矢量、画笔、纹理、平面设计、视频和社交媒体帖子。它还可以运行3D模型、制作品牌资产,甚至提供更多的功能。
未来,Adobe希望为其产品增加更多相关的功能。
该公司还表示,希望通过以视觉形式提供创意应用程序的所有功能,让有创意的人能够弥补在技术或绘图技能上的差距。由于其微服务神经元引擎中包含了专用的片上机器学习资源,目前尚不清楚该软件是否能在Mac电脑上更快地工作。
对话带来的创造力
Adobe数字媒体业务总裁David Wadhwani在一份声明中说:“生成式人工智能是人工智能驱动的创造力和生产力的下一个进化,它将创造者和计算机之间的对话转变为更自然、更直观、更强大的内容。”
Adobe对于如何训练Firefly持开放态度。
·它使用了Adobe自有版权的图片,版权过期的图片。
·它没有使用任何形式的未经授权的图像。
该消息解释了为什么Adobe在四年前提出内容真实性倡议的意图。为了支持这一举措,该公司将引入一个“不要训练”的标签,创意人员可以将其运用在他们的工作中,以防止人工智能对其进行分析。这在某种程度上让人们想起了史蒂夫·乔布斯的名言“伟大的艺术家窃取别人的灵感”——只不过, Adobe在这里却表示:“伟大的艺术家不会窃取别人的灵感。”
走向合乎道德的人工智能?
人们对人工智能的应用有很多担忧,Adobe为此不得不讨论和应对一些问题。为了支持这项工作,该公司制定了一个人工智能伦理框架,并在其工程团队中采用正式的审查流程,以努力确保其产品中的人工智能反映企业需求和人类价值观。
该公司网站上的一篇博客文章指出了一些仍然围绕人工智能的挑战,尤其是人工智能模型中的固有偏见。Adobe还致力于不断测试其创建的模型,以检查内部的安全性和偏差,并将这些结果提供给Adobe的工程团队,以解决出现的任何问题。
该公司承诺将负责任地开发具有创造性的生成式人工智能,并表示:“我们的使命是为创造者提供一切优势——不仅是在创意上,还在实践上。随着Firefly的发展,我们将继续与创意社区密切合作,开发支持和改进创意过程的技术。”
Adobe将把Firefly直接集成到其业界领先的工具和服务中,这样用户就可以在现有的工作流程中使用Firefly。该公司表示,他们还在努力为该软件添加场景感知图像生成功能。
人工智能技术需要监管
随着生成式人工智能似乎正在以比互联网本身还要快的速度引起人们的广泛关注,Adobe警告所有利益相关者应该共同努力,负责任地开发这些技术,这一警告需要得到重视。该公司表示:“随着技术不断发展,生成式人工智能将带来新的挑战,行业厂商、政府和社区必须共同努力解决这些挑战。通过分享最佳实践,并遵守负责任地开发生成式人工智能的标准,我们可以释放它所拥有的无限可能性,并建立一个更值得信赖的数字空间。”
Adobe正在进入现在非常热门的生成式人工智能领域。鉴于Adobe和苹果长期以来一直在Aero项目中进行的增强现实领域的合作,苹果公司可能已经秘密地开发这种令人兴奋的新技术一段时间了。也许人们会在全球开发者大会上获得确切的答案。
Adobe目前正在对Firefly进行测试。如果用户有兴趣了解它的功能,可以使用其测试版。
以上是Adobe凭借企业级创意应用程序进入生成式人工智能时代的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

本站8月1日消息,SK海力士今天(8月1日)发布博文,宣布将出席8月6日至8日,在美国加利福尼亚州圣克拉拉举行的全球半导体存储器峰会FMS2024,展示诸多新一代产品。未来存储器和存储峰会(FutureMemoryandStorage)简介前身是主要面向NAND供应商的闪存峰会(FlashMemorySummit),在人工智能技术日益受到关注的背景下,今年重新命名为未来存储器和存储峰会(FutureMemoryandStorage),以邀请DRAM和存储供应商等更多参与者。新产品SK海力士去年在

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S
