Jacob Posel 是电商机构 Common Thread Collective 的软件工程师，专注于将人工智能整合到企业中的策略。他表示，AI的最佳用途是简化运营流程，这些流程原本可能会交给虚拟助手或廉价劳动力。
在最近的一次对话中，他探讨了人工智能与人类创造力、图像生成、成本等话题。文稿经过编辑，以缩短篇幅并提高清晰度。
Eric Bandholz：请给我们介绍一下你的工作内容。
Jacob Posel：我是Common Thread Collective的高级软件工程师，大部分时间都在将人工智能整合到创意和商业流程中，最近主要处理图像生成工作，这些工作贯穿整个创意操作系统。
人工智能的最佳应用场景是日常业务流程，特别是那些通常分配给虚拟助手或其他形式劳动力的任务。但让我先定义一下我目前所理解的人工智能，因为它已成为一个流行词。
大多数人认为人工智能就是大型语言模型，但它实际上更广泛。对于业务流程而言，我指的是能够理解人类语音和文本，并具备足够世界观以发展出直觉的系统。我会从分析这些流程开始，然后确定如何让自己和团队更高效：有哪些可用的工具？一旦确定了某个流程如何融入业务体系，如何实现该流程的全面自动化？
Eric Bandholz：你能举个例子吗？
Jacob Posel：你可以用它来更全面地了解业务，例如提取销售数据或评论（必要时导入Google表格），明确想从中获得的洞察及后续行动项。向大型语言模型（LLM）解释这一点，分享数据并说明思考过程，让它为你总结、提供洞察或提示需关注的事项。
Eric Bandholz：我们如何保持人类创造力的核心技能？
Jacob Posel：有研究论文试图根据输出来训练LLM或AI模型，观察需要多少次迭代才会导致整个过程失败。大约经过10次迭代后，输出就完全是胡言乱语了。考虑到互联网上80%的代码和大量在线文本都是AI生成的，真正的担忧是我们可能会耗尽用于开发新模型的训练数据，导致新模型最终达到无法进一步发展的瓶颈。
这些模型正试图抓取YouTube和视频内容以获取更多“养分”。但许多聪明的人正在探索不同的技术，以超越单纯依赖训练数据来提升模型。如今大多数模型尽可能多地获取训练数据，投入尽可能多的计算资源，然后观察产出结果。这种做法不可能无限持续下去。
总体观点是AI赋能人们构建自己的软件。现在即使不具备技术背景，你也可以构建任何想要的东西。花一点时间设置最佳技术起初会令人沮丧、困难且不完美，但你确实可以做到。编程语言的未来不会是Python、JavaScript或SQL，下一个迭代将是自然语言，我认为这一点目前相当确定。
Eric Bandholz：你一直在使用AI生成图像，你是怎么做到的？
Jacob Posel：我一直在使用的基础模型叫做Flux，它与Midjourney不同，可以微调自己的模型。我主要使用Replicate，这是一个可以与GPU交互并微调自己模型的界面。
Midjourney非常适合根据文本生成图像，比如制作一张随机男子坐在湖中树下扶手椅上的图片。但要创建包含现实世界中特定元素（如产品或人物）的图像，必须训练自己的定制模型，这是Midjourney做不到的，这就是为什么我使用Flux。
需要注意的是，随着对产品描述越来越具体，模型在背景和其他图像元素方面的创造力会减弱。因此，对于一个非常简单的产品（如T恤），可以将其放置在任何人身上任意位置；但当需要高度具体化时，模型会过度聚焦于产品，导致其他部分难以处理得当。
训练数据非常重要。如果希望获得特定角度的效果，请确保提供来自该特定角度的高清照片，最好多次提供。
Eric Bandholz：成本是多少？
Jacob Posel：目前视频是最昂贵的，正如预期那样，成本从文本、图像到视频依次递增。以Runway为例，它采用积分系统按美元计费。无限套餐每月大约100美元，虽然不算便宜，但也不至于让人望而却步。它在时间成本上很高，掌握这些提示词也需要花费时间。
文生图稍微复杂一些，因为现在需要更清晰地描述事物。接着，文生视频展示了如何将多张图片组合在一起，这使得成本更高且更难实现理想效果。你必须培养对用于训练这些模型的措辞的敏感度。随着越来越精通，你会逐渐理解摄影和电影语言。这也正是为什么使用更高级的工具会更复杂且更昂贵。
最好的办法就是挽起袖子，自己动手摸索。这最终是最佳的学习方式，因为目前的AI已经具有某种“个性”，仅靠阅读无法学到一切。我是这样看待AI的：你必须了解它们的运作机制以及如何让它们按照你的意愿行事。
开始将业务视为不同的系统和流程。不要将创建广告视为单一事项，将其分解为核心步骤并保持这种视角，因为这是构建工程化产品的方式，也是人工智能融入其中的方式。与了解人工智能及其如何融入业务的人员进行沟通也将至关重要。