Adobe 使用 AWS 邁向生成式 AI 領導力之旅

Adobe 決定訓練自己專為創意使用案例量身打造的基礎生成式 AI 模型，而不是依賴開放原始碼模型。Costin 解釋道：「我們希望掌控模型需要具備的品質和功能」。關鍵區別是使用授權內容 (例如 Adobe Stock 影像) 和版權已過期的公共領域內容訓練 Firefly 生成式 AI 模型。

在短短九個月內，Adobe 推出了其 Firefly 系列生成式 AI 模型。這些模型迅速整合到 Adobe 的旗艦創意軟體產品中，例如 Photoshop、Illustrator、Substance 3D 和 Adobe Express。Costin 強調：「Photoshop 中由 Firefly 支援的生成填色功能現在是最常用的功能。」透過在 AWS 上建置，Adobe 可以加速 AI 訓練，而不是從頭開始建置，讓公司能夠專注於使其模型在衆多模型中脫穎而出的特點，無需處理繁瑣的工作。

Adobe 在 AWS 上建立 AI「超級高速公路」，以建置 AI 訓練平台和資料管道，進而迅速地反覆運作模型。Adobe 使用 Amazon Elastic Compute Cloud (Amazon EC2) P5、採用 NVIDIA GPU 技術的 P4d 執行個體、Amazon Elastic Kubernetes Service (Amazon EKS)、Amazon Elastic Block Store (Amazon EBS) 和 Amazon Elastic Fabric Adapter (EFA) 來建置其解決方案。Adobe 還使用 Amazon Simple Storage Service (Amazon S3) 來充當資料湖和主要儲存器，以儲存大量資料。Adobe 使用 Amazon FSx for Lustre 高效能檔案儲存來快速存取資料，並確保 GPU 資源絕不會閒置。Adobe 持續監控和同步跨多個來源的資料，確保其模型接受最新和相關資訊的訓練。Adobe 透過 Firefly 持續進行測試，以減輕任何有害偏差，並提供使用者意見回饋機制，以即時修正疑慮，促進透明度和責任。

雖然 AI 和資料在 Adobe 的創意工作中扮演重要角色，但該公司認識到真正的創新通常源於人性。為了彌合機器學習和人類創造力之間的差距，Adobe 採用了一種突破性的技術，稱為「人類意見回饋強化學習 (RLHF)」。透過 RLHF，Adobe 從其龐大的使用者群體收集寶貴的意見回饋，從其各種應用程式中擷取使用者喜歡、不喜歡、下載的内容和其他互動。然後，這些豐富的人工生成資料會回饋到訓練過程中，協助 Adobe 的 AI 模型學習和適應，並不斷完善其能力以產生符合客戶偏好和願望的資產。這種做法造就了一個持續改進的循環，人類創造力和機器學習協同工作，相互影響並彼此增強。隨著 Adobe 的模型越來越適應人類品味和美學的微妙，模型生成的資產變得越來越引人注目、迷人，並且能夠根據不同使用者群體的需求量身打造。

隨著需求的增長，Adobe 憑藉 Amazon EC2 預留執行個體的協助，在六個月內將訓練向上擴展 20 倍。他們實作了分散式訓練技術，例如管道平行處理，以高效利用 Tensor Core。除了訓練外，Adobe 還在 AWS 上部署了 Firefly 模型以進行推論，跨區域實作無狀態系統。他們將推論效能和成本最佳化，同時探索 AWS Inferentia2 晶片等選項。Adobe 展示了快速擴展和更換硬體的能力，以實現最佳價格和效能。