Stability AI
Stability AI to londyński start-up stojący za Stable Diffusion, generatorem obrazów o otwartej wadze, który umieszcza sztuczną inteligencję tekstu na obraz na milionach laptopów.
Przegląd
By releasing model weights publicly, it sparked a wave of open-source creative tooling that rivaled closed systems from OpenAI and Google.
Głębokie nurkowanie
Założona w 2019 r. przez Emada Mostaque, Stability AI zyskała sławę w sierpniu 2022 r., kiedy wsparła publiczne wydanie Stable Diffusion, modelu ukrytej dyfuzji trenowanego głównie na zbiorze danych LAION-5B. W przeciwieństwie do DALL-E lub Midjourney, obciążniki można było pobrać, umożliwiając hobbystom, badaczom i firmom bezpłatne lokalne uruchamianie i dostrajanie modelu. Spowodowało to eksplozję forków, wtyczek i narzędzi, takich jak Automatic1111 i ControlNet. Później firma rozszerzyła swoją działalność na język (StableLM), audio (Stable Audio), 3D i wideo (Stable Video Diffusion), a w 2024 r. wypuściła Stable Diffusion 3. Po trudnościach finansowych i odejściu Mostaque w 2024 r. nowe kierownictwo ponownie skupiło się na firmie na zrównoważonym licencjonowaniu przedsiębiorstw, zachowując jednocześnie etos otwartej wagi.
Wgląd techniczny
Stable Diffusion to model dyfuzji utajonej: zamiast bezpośrednio odszumiać piksele, kompresuje obrazy do mniejszej przestrzeni utajonej za pomocą wariacyjnego autokodera, a następnie tam uruchamia proces dyfuzji. Sieć U-Net uczy się krok po kroku odwracać szum, kierując się osadzaniem tekstu z kodera tekstu w stylu CLIP poprzez wzajemne skupienie uwagi. Praca w ukrytej przestrzeni zmniejsza moc obliczeniową i właśnie dlatego model może działać na pojedynczym konsumenckim procesorze graficznym, a nie w centrum danych.
Wpływ strategiczny
Strategia dostawcy
Plany dostawców wpływają na to, jakie funkcje Twój zespół będzie mógł dalej tworzyć.
Koszt i budżet
Warunki handlowe i opcje wdrożenia wpływają na długoterminowe koszty i ryzyko.
Ryzyko i bezpieczeństwo
Zachęty firmowe kształtują wady produktów, postawę bezpieczeństwa i otwartość.
Przyszłość stabilności AI
Stabilna sztuczna inteligencja zmierza w kierunku interfejsów API dla przedsiębiorstw, partnerstw medialnych i rozrywkowych (w tym umowy z WPP) oraz modeli przyjaznych brzegom, wystarczająco małych, aby działać na telefonach i laptopach. Spodziewaj się ciągłego napięcia między otwartymi korzeniami a potrzebą przychodów, a także głębszych inwestycji w generowanie wideo, audio i 3D. Kwestie prawne dotyczące danych szkoleniowych i praw autorskich, w tym pozew Getty Images, w dużym stopniu będą miały wpływ na to, jak otwarte będzie szkolenie i udostępnianie przyszłych modeli.
Implementacja w świecie rzeczywistym
Niezależne studio gier dostraja lokalnie Stable Diffusion, aby generować spójne grafiki koncepcyjne postaci bez kosztów chmury za obraz.
Deweloper dodaje ControlNet do Stable Diffusion, aby przekształcić wstępne szkice w dopracowane makiety produktów, zachowując jednocześnie dokładny układ.
Muzyk używa Stable Audio do generowania bezpłatnych pętli tła i tekstur otoczenia na potrzeby wstępu do podcastu.
Laboratorium badawcze pobiera otwarte wagi w celu zbadania i zmniejszenia odchyleń demograficznych w generowanych twarzach, co jest niemożliwe w przypadku zamkniętych interfejsów API.
Zagrożenia i poręcze
Ogłoszenia o wprowadzeniu na rynek mogą przekroczyć stabilność w rzeczywistych przepływach pracy.
Ceny interfejsów API lub zmiany zasad mogą z dnia na dzień złamać założenia.
Zależność od jednego dostawcy zwiększa koszty uzależnienia i migracji.
Plan wdrożenia
Oceniaj dostawców, korzystając z własnych zadań i zbiorów danych.
Przed integracją przejrzyj warunki dotyczące prywatności, bezpieczeństwa i prawa.
Utrzymuj plan awaryjny dla różnych modeli i dostawców.
Monitoruj informacje o wersji, aby zmiany w planie działania nie zaskoczyły zespołów.
Odkrywaj dalej
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Stability AI quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Następny poradnik
Perplexity AI
Często zadawane pytania
What is Stability AI?
Stability AI to londyński start-up stojący za Stable Diffusion, generatorem obrazów o otwartej wadze, który umieszcza sztuczną inteligencję tekstu na obraz na milionach laptopów. Publiczne udostępnienie wag modeli wywołało falę kreatywnych narzędzi typu open source, które mogły konkurować z zamkniętymi systemami firm OpenAI i Google.
Z czego najbardziej znana jest stabilizacja AI w 2022 r.?
Stability AI wsparła publiczną publikację Stable Diffusion w sierpniu 2022 r., której wagi do pobrania uczyniły z niej kamień milowy w generatywnej sztucznej inteligencji typu open source.
Czym Stable Diffusion różniło się od DALL-E i Midjourney w momencie premiery?
W przeciwieństwie do zamkniętych konkurentów, ciężarki Stable Diffusion zostały udostępnione otwarcie, umożliwiając każdemu bieganie i dostrajanie ich na własnym sprzęcie.
Technicznie rzecz biorąc, gdzie Stable Diffusion przeprowadza proces odszumiania?
Jest to model dyfuzji utajonej: autoenkoder kompresuje obrazy do mniejszej przestrzeni utajonej, w której sieć U-Net odszumia, drastycznie ograniczając moc obliczeniową.
Który zbiór danych był kluczowy dla szkolenia oryginalnej stabilnej dyfuzji?
Program Stable Diffusion był trenowany głównie na LAION-5B, ogromnym zbiorze danych składającym się z par obraz-tekst pobranych z Internetu.
Poza obrazami, dla jakiej modalności sztuczna inteligencja stabilności zbudowała również modele?
Stabilność rozszerzona na dźwięk (Stable Audio), język (StableLM), 3D i wideo (Stable Video Diffusion).