كيف تستخدم Adobe التعلم العميق deep learning لتحسين منتجاتها

مثل كل عام، أظهر حدث Max 2021 من Adobe الكشف عن المنتجات والابتكارات الأخرى التي تحدث في شركة برمجيات رسومات الكمبيوتر الرائدة في العالم.

من بين الميزات الأكثر إثارة للاهتمام في هذا الحدث هو تكامل Adobe المستمر للذكاء الاصطناعي في منتجاتها، وهو مكان كانت الشركة تستكشفه في السنوات القليلة الماضية.

مثل العديد من الشركات الأخرى، تستفيد Adobe من التعلم العميق deep learning لتحسين تطبيقاتها وترسيخ مكانتها في سوق تحرير الفيديو والصور. بدوره، فإن استخدام الذكاء الاصطناعي يشكل استراتيجية منتج Adobe.

 
تحرير الصور والفيديو المدعوم بالذكاء الاصطناعي
تم دمج Sensei، وهي منصة الذكاء الاصطناعي من Adobe، في جميع منتجات مجموعة Creative Cloud الخاصة بها. من بين الميزات التي تم الكشف عنها في مؤتمر هذا العام أداة إخفاء تلقائي في Photoshop، والتي تمكنك من تحديد كائن ببساطة عن طريق تحريك الماوس فوقه. تقوم ميزة مماثلة تلقائيًا بإنشاء طبقات قناع لجميع الكائنات التي تكتشفها في المشهد.

توفر ميزة القناع التلقائي الكثير من الوقت، خاصة في الصور التي تحتوي على كائنات ذات ملامح وألوان معقدة وسيكون من الصعب جدًا تحديدها باستخدام الأدوات الكلاسيكية.

قامت Adobe أيضًا بتحسين عوامل التصفية العصبية، وهي ميزة أضافتها إلى Photoshop العام الماضي. تستخدم المرشحات العصبية التعلم الآلي لإضافة تحسينات على الصور. العديد من المرشحات قابلة للتطبيق على صور الأشخاص وصورهم. على سبيل المثال، يمكنك تطبيق تنعيم الجلد أو نقل الماكياج من صورة مصدر إلى صورة مستهدفة أو تغيير تعبير موضوع في صورة ما.

تقوم المرشحات العصبية الأخرى بإجراء تغييرات أكثر عمومية، مثل تلوين الصور بالأبيض والأسود أو تغيير منظر الخلفية.

كشف مؤتمر Max أيضًا عن بعض المعاينة والتقنيات القادمة. على سبيل المثال، هناك ميزة جديدة لمنتج مجموعة صور Adobe تسمى "in-between" تلتقط صورتين أو أكثر تم التقاطهما بفاصل زمني قصير لبعضهما البعض، وتقوم بإنشاء فيديو عن طريق إنشاء الإطارات التي كانت بين الصور تلقائيًا .

هناك ميزة أخرى يتم تطويرها وهي "عند النقطة on point"، والتي تساعدك على البحث في مكتبة Adobe الضخمة لصور المخزون من خلال توفير وضع مرجعي. على سبيل المثال، إذا قمت بتزويدها بصورة لشخص يجلس ويمد يده، فستكتشف نماذج التعلم الآلي وضع الشخص وتجد صورًا أخرى حيث يكون الأشخاص في أوضاع مماثلة.

تمت إضافة ميزات AI إلى Lightroom و Premiere ومنتجات Adobe الأخرى أيضًا.

 
تحديات تقديم منتجات الذكاء الاصطناعي
عندما تنظر إلى ميزات الذكاء الاصطناعي في Adobe بشكل فردي، فلن يكون أي منها رائدًا. على الرغم من أن Adobe لم تقدم أي تفاصيل معمارية أو تنفيذية في هذا الحدث، فإن أي شخص يتابع أبحاث الذكاء الاصطناعي يمكنه على الفور ربط كل من الميزات المقدمة في Max بورقة أو أكثر من الأوراق والعروض التقديمية التي تم إجراؤها في مؤتمرات التعلم الآلي ورؤية الكمبيوتر في السنوات القليلة الماضية سنوات. يستخدم التقنيع التلقائي Auto-masking اكتشاف الكائنات وتقسيمها مع التعلم العميق، وهو مجال بحث شهد تقدمًا هائلاً مؤخرًا.

يعد نقل النمط باستخدام الشبكات العصبية تقنية عمرها أربع سنوات على الأقل. وشبكات (generative adversarial networks GAN)، التي تدعم العديد من ميزات إنشاء الصور، كانت موجودة منذ أكثر من سبع سنوات. في الواقع، الكثير من التقنيات التي تستخدمها Adobe مفتوحة المصدر ومتاحة مجانًا.

إن العبقرية الحقيقية وراء الذكاء الاصطناعي من Adobe ليست التكنولوجيا الفائقة، ولكن استراتيجية الشركة لتقديم المنتجات لعملائها.

يحتاج المنتج الناجح إلى قيمة مميزة تقنع المستخدمين بالبدء في استخدامه أو التبديل من حلولهم القديمة إلى التطبيق الجديد.

إن فوائد تطبيق التعلم العميق على تطبيقات معالجة الصور المختلفة واضحة جدًا. إنها تؤدي إلى تحسين الإنتاجية وانخفاض التكاليف. يمكن أن تدعم المساعدة التي تقدمها نماذج التعلم العميق في تقليل حاجز الإبداع الفني للأشخاص الذين ليس لديهم مهارات وخبرة مصممي الرسوم البيانية الخبراء. في حالة الإخفاء التلقائي والمرشحات العصبية، تتيح الأدوات حتى للمستخدمين ذوي الخبرة حل مشكلاتهم بشكل أسرع وأفضل. تتناول بعض الميزات الجديدة، مثل ميزة "in-between"، المشكلات التي لم يتم حلها بواسطة التطبيقات الأخرى.

ولكن إلى جانب الميزات الفائقة، يجب تسليم المنتج الناجح إلى جمهوره المستهدف بطريقة خالية من الاحتكاك وفعالة من حيث التكلفة. على سبيل المثال، لنفترض أنك طورت تطبيق مرشح عصبي متطور يعتمد على التعلم العميق وترغب في بيعه في السوق. المستخدمون المستهدفون هم مصممي الرسوم الذين يستخدمون بالفعل أداة لتحرير الصور مثل Photoshop. إذا أرادوا تطبيق الفلتر العصبي الخاص بك، فسيتعين عليهم نقل صورهم باستمرار بين Photoshop وتطبيقك، مما يتسبب في الكثير من الاحتكاك ويقلل من تجربة المستخدم.

سيكون عليك أيضًا التعامل مع تكاليف التعلم العميق. لا تمتلك العديد من أجهزة المستخدمين الذاكرة وسعة المعالجة لتشغيل الشبكات العصبية وتتطلب معالجة تستند إلى السحابة. لذلك، سيتعين عليك إعداد الخوادم وواجهات برمجة تطبيقات الويب لخدمة نماذج التعلم العميق، كما يتعين عليك التأكد من أن خدمتك ستظل على الإنترنت ومتاحة حسب مقاييس الاستخدام. يمكنك استرداد هذه التكاليف فقط عندما تصل إلى عدد كبير من المستخدمين الذين يدفعون.

سيتعين عليك أيضًا معرفة كيفية تحقيق الدخل من منتجك بطريقة تغطي تكاليفك مع الحفاظ على اهتمام المستخدمين باستخدامه. هل سيكون منتجك منتجًا مجانيًا قائمًا على الإعلانات أم نموذجًا مجانيًا أم دفعة لمرة واحدة أم خدمة اشتراك؟ يفضل معظم العملاء تجنب العمل مع العديد من بائعي البرامج الذين لديهم نماذج دفع مختلفة.

وستحتاج إلى استراتيجية توعية لجعل منتجك مرئيًا للسوق المقصود. هل ستقوم بتشغيل إعلانات على وسائل التواصل الاجتماعي، أو إجراء مبيعات مباشرة، أو الوصول إلى شركات التصميم، أو استخدام تسويق المحتوى؟ تفشل العديد من المنتجات ليس لأنها لا تحل مشكلة أساسية ولكن لأنها لا تستطيع الوصول إلى السوق المناسب وتقديم منتجاتها بطريقة فعالة من حيث التكلفة.

وأخيرًا، ستحتاج إلى خارطة طريق لتكرار منتجك وتحسينه باستمرار. على سبيل المثال، إذا كنت تستخدم التعلم الآلي لتحسين الصور، فستحتاج إلى سير عمل لجمع البيانات الجديدة باستمرار، ومعرفة أين تفشل نماذجك، وصقلها لتحسين أدائها.

 
إستراتيجية Adobe للذكاء الاصطناعي
تمتلك Adobe بالفعل حصة كبيرة جدًا من سوق برامج الرسومات. يستخدم الملايين من الأشخاص تطبيقات Adobe كل يوم، لذلك ليس لدى الشركة مشكلة في الوصول إلى السوق المقصود. عندما تحتوي على أداة جديدة للتعلم العميق، يمكنها على الفور استخدام النطاق الواسع لـ Photoshop و Premiere والتطبيقات الأخرى في مجموعة Creative Cloud لجعلها مرئية ومتاحة للمستخدمين. لا يحتاج المستخدمون إلى الدفع مقابل أي تطبيقات جديدة أو تثبيتها؛ يحتاجون فقط إلى تنزيل المكونات الإضافية الجديدة في تطبيقاتهم.

كما أدى انتقال الشركة التدريجي إلى السحابة في السنوات القليلة الماضية إلى تمهيد الطريق لدمج سلس للتعلم العميق في تطبيقاتها. تعمل معظم ميزات الذكاء الاصطناعي في Adobe في السحابة. بالنسبة لمستخدميها، لا تختلف تجربة الميزات المستندة إلى السحابة عن استخدام المرشحات والأدوات التي تعمل مباشرة على أجهزتهم الخاصة. وفي الوقت نفسه، فإن حجم سحابة Adobe يجعل من الممكن للشركة تشغيل استدلال التعلم العميق بطريقة فعالة للغاية من حيث التكلفة، وهذا هو السبب وراء إتاحة معظم ميزات الذكاء الاصطناعي الجديدة مجانًا للمستخدمين الذين لديهم بالفعل اشتراك في Creative Cloud.

أخيرًا، يوفر نموذج التعلم العميق المستند إلى السحابة لشركة Adobe الفرصة لتشغيل مصنع AI فعال للغاية. نظرًا لأن سحابة Adobe تقدم نماذج التعلم العميق لمستخدميها، فإنها ستجمع أيضًا البيانات لتحسين أداء ميزات الذكاء الاصطناعي في المستقبل. على سبيل المثال، أقرت الشركة في مؤتمر Max بأن ميزة Auto-masking لا تعمل مع جميع الكائنات حتى الآن ولكنها ستتحسن بمرور الوقت. سيؤدي التكرار المستمر بدوره إلى تمكين Adobe من تعزيز قدرات الذكاء الاصطناعي الخاصة بها وتعزيز مكانتها في السوق. سيشكل الذكاء الاصطناعي بدوره المنتجات التي ستطرحها Adobe في المستقبل.

يعد تشغيل مشاريع التعلم الآلي التطبيقي أمرًا صعبًا للغاية، وهذا هو سبب فشل الشركات في جعلها تؤتي ثمارها. Adobe هي دراسة حالة مثيرة للاهتمام حول كيف يمكن أن يؤدي الجمع بين العناصر الصحيحة إلى تحويل التطورات في الذكاء الاصطناعي إلى تطبيقات تجارية مربحة.