生成式人工智能对数字资产管理的影响

asadul73

在本文中，我打算考虑生成式人工智能（有时称为“合成内容”）对数字资产管理的影响。首先，为那些尚未遇到该主题的人提供一些该主题的背景知识。

生成式人工智能允许使用文本描述、现有图像、视频或音频创建新内容。人工智能算法用于识别源材料中的潜在模式，并（结合其自己的解释）产生本质上独特且具有代表性的独特艺术品。源的选择可以是明确的（即直接提供资产）。或者，它们可以从类似于规范或简介的文本描述中推断出来。

这项技术已经存在了几年，一个相当著名的例子是生成假人的面孔，例如：此人不存在。事实上，并不是说这个人不存在，而是算法合成了数十万张不同面孔的特征，产生了人类无法识别单个源照片的图像。另一个例子是渲染照片使其看起来像一幅画的能力。

这些很有趣，但就其范围和潜在用 电子邮件列表数据库  途而言相当狭窄。生成式人工智能最近的演示之一是用户输入所需内容的文本描述，然后当场生成结果的方法。以及照片和艺术品；视频、文本、音频甚至基本的电脑游戏都已被创建。支持此类功能的一些流行工具示例包括DALL-E、Midjourney、Stable Diffusion和Bria（专门与 DAM 系统集成）。

这如何用于 DAM？

使用基于关键字的界面来驱动生成式人工智能需要与 DAM 技术进行一些比较，因为这种方法显然是 DAM 用户在搜索资产时所熟悉的方法。自 1990 年左右开始出现第一个系统以来，DAM 当前的用例在过去 30 年里没有发生太大变化。迄今为止最大的变化可能是取消了数字化阶段，在该阶段中模拟材料以前需要在被摄取到 DAM 之前，使用扫描仪等将其转换为数字。



到 2022 年，几乎所有资产都是“天生数字化”的，即首先使用数字设备或计算机创建的。然而，尽管如此，即使没有数字化过程，仍然经常需要物理/模拟源，特别是对于作为大多数 DAM 系统支柱的图像和视频等更丰富的媒体。生成式人工智能将合理化过程更进一步，因此（理论上）不存在现实世界中物理存在的来源作为起点。

这将生成式人工智能（至少部分地）置于 Photoshop 等创意工具的领域。不同之处在于，不需要任何制作或创意技能即可产生商业可用的结果。在我撰写本文时，Microsoft 宣布 Bing、Microsoft 365 和 Edge现在将提供使用 DALL-E 2 根据用户搜索查询生成媒体的选项。我的预期是，Google、Adobe（和其他公司）将迅速效仿，发布类似的公告和自己的集成。这意味着现在不再需要超出您当前使用的应用程序来获取生产质量媒体。

元数据——事前而非事后

生成式 AI 及其与 DAM 的关系的一个特别有趣的方面涉及元数据在这一切中的作用。我所认同的数字资产的定义是，它们是本质（即二进制数据或内在价值）和元数据（外在价值）的组合。这在生成人工智能的背景下仍然成立，但元数据的作用变得更加重要。当大多数用户谈论“数字资产”时，他们往往会从本质上思考。例如，如果您要求某人下载数字资产，这通常意味着只会检索文件，而不检索元数据。