Welkom, als klant geniet je hopelijk al met volle teugen van je chocolade. Nog geen chocolade ontvangen? Wij voorzien alvast het boeiende verhaal achter onze Artificial Digital Guide. Aan de hand van deze specifieke use case voor generatieve AI willen we de mogelijkheden en valkuilen van artificiële intelligentie aantonen.
Generatieve AI in een notendop
De beste omschrijving die we vonden, kan worden toegeschreven aan Google:
"Generatieve AI, of generatieve artificiële intelligentie verwijst naar het gebruik van AI om nieuwe inhoud te creëren, zoals tekst, afbeeldingen, muziek, audio en video's.
Generatieve AI wordt aangedreven door foundation-modellen (grote AI-modellen) die kunnen multitasken en out-of-the-box taken kunnen vervullen, waaronder samenvatten, vraag-en-antwoorden bedenken, rangschikken, etc. Bovendien kunnen deze modellen met minimale training en input worden aangepast voor specifieke gebruiksdoeleinden."
Voor velen klinkt dit misschien als ruis in de oren, en eigenlijk is het dat ook! Binnen specifieke diffusiemodellen zet generatieve AI ruis – vergelijkbaar met het statische beeld op oude breedbandtelevisies – om in een afbeelding. We illustreren dit proces met een helder voorbeeld uit de gekoppelde NVIDIA blog. Hoewel onze uitleg misschien niet mathematisch sluitend is, brengt het de kernprincipes wel doeltreffend over.
As you've reached this point, we hope you enjoy your chocolate while reading the story of our Artificial Digital Guide. If not, reach out to us.
In our making of this guide, we aspire to show you the potential and the pitfalls of AI through our application of generative AI.
A brief definition of generative AI
The best description we found can be accredited to Google:
“Generative AI or generative artificial intelligence refers to the use of AI to create new content, like text, images, music, audio, and videos.
Generative AI is powered by foundation models (large AI models) that can multi-task and perform out-of-the-box tasks, including summarization, Q&A, classification, and more. Plus, with minimal training required, foundation models can be adapted for targeted use cases with very little example data.”
For many, this might sound like a lot of noise, and truthfully, it is! Within specific diffusion models, generative AI converts noise – similar to the static seen on old broadband televisions – into an image. We'll illustrate this process with a straightforward example from the linked NVIDIA blog. While our explanation might not strictly be the best example of mathematical accuracy, it will convey the core principles in an efficient way.
From left to right
Throughout the training process, the generative AI model has learned to break down images into static noise. Starting from the left and moving to the right, the model progressively adds noise, while gaining an understanding of the numerical representation of an image, referred to as a seed. A seed consists of a set of numbers that instructs the AI how to generate an image.
When a user issues a prompt, the system employs a Large Language Model (LLM) to understand the prompt and generate an image from a selected seed. This is a step-by-step process iterating over the same image from left to right until it accurately represents the given prompt.
Stable Diffusion
For this Digital Guide, we employed Stable Diffusion, the open-source AI image generator. Currently, there is a rapidly expanding landscape of comparable platforms such as DALL-E 2, MidJourney, Nvidia NeMo, Adobe Sensei, and Google Generative AI.
Van links naar rechts
generatieve AI-model om afbeeldingen te ontleden in statische ruis. Van links naar rechts voegt het model geleidelijk ruis toe en krijgt het inzicht in de numerieke representatie van een afbeelding – beter bekend als een ‘seed’. Een seed bestaat uit een reeks getallen die AI vertelt hoe een afbeelding moet worden gegenereerd.
Wanneer een gebruiker een prompt geeft, maakt het systeem gebruik van een groot taalmodel (Large Language Model, of LLM) om de opdracht te begrijpen en een afbeelding te genereren vanuit de geselecteerde seed. Dit is een stapsgewijs proces waarbij dezelfde afbeelding herhaaldelijk wordt doorlopen, van links naar rechts, totdat deze nauwkeurig overeenkomt met de gegeven prompt.
Stable Diffusion
Voor onze Digital Guide hebben we gebruikgemaakt van Stable Diffusion, de open-source AI-beeldgenerator. Het huidige landschap van vergelijkbare platforms groeit in sneltempo: DALL-E 2, MidJourney, Nvidia NeMo, Adobe Sensei en Google Generative AI, om er maar enkele op te noemen.
Het verhaal achter
onze Artificial Digital Guide
Ons idee was om alle Elision-gezichten samen te smelten tot één AI-gegenereerde Digital Guide. Naar de haalbaarheid was het gissen, maar het bleek perfect binnen de mogelijkheden van AI te liggen.
Hiervoor hadden we uiteraard visuele input nodig. Voor de uitwerking gebruikten we de foto's die je hier kan zien. Deze komen uit een officiële fotoshoot, met schriftelijke toestemming van alle betrokkenen. Hiermee voldoen we aan een van de belangrijkste criteria voor onze digitale gidsen: een met instemming verkregen dataset.
The story of
our Artificial Digital Guide
Our idea was to use AI to blend everyone's faces. We had no idea if it would work but it turned out to be perfectly feasible.
To do so, we needed visual input. To create a representation of Elision’s Digital Guides we used the photos shown here. These were from an official photoshoot, with written consent for usage. This already fulfills one of our key criteria – a consensual dataset for our digital guides.
Volgende stap:
Gezichten samensmelten
De tool die we gebruikten liet het samensmelten van maximaal vier gezichten tegelijkertijd toe. Het resultaat hiervan zie je links. Bij het werken met AI is de zorgvuldige selectie van zowel data als output van groot belang. Factoren zoals representatie, hallucinaties (AI-verzinsels die niet sporen met de input/realiteit) en nauwkeurigheid moeten altijd worden overwogen. We selecteerden de meest representatieve gezichten gebaseerd op de afbeeldingen uit de input.
Het generatief proces werd offline uitgevoerd in een private en GDPR-veilige omgeving. Elke generatie nam ongeveer 30 seconden in beslag met de volgende computerspecificaties:
- Processor: AMD Ryzen 9 5900x 12-Core processor (24CPUs), ~3.9GHz
- Grafische kaart: NVIDIA GeForce RTX 3080 (10GB)
- Geheugen: 32 GB DDR4
- Opslag: 50 GB
Next step:
Face blending
The tool we used only allowed four faces to be mixed at the same time. On the left, you can see the result of our faces blending. When working with AI, the meticulous curation of both data and output is critical. Factors like representation, hallucinations, and the accuracy of the output must always be considered. We attentively selected the most representative faces based on the input images.
The generation process was done offline in a private and GDPR-compliant space. Each generation took us about 30 seconds using the following computer specifications:
- Processor: AMD Ryzen 9 5900x 12-Core processor (24CPUs), ~3.9GHz
- Graphics Card: NVIDIA GeForce RTX 3080 (10GB)
- Memory: 32 GB DDR4
- Disk Usage: 50 GB
Het (eerste) eindresultaat
Hieronder zie je de eerste gezichten die voortkwamen uit onze iteraties. Het was fascinerend om de geboorte van onze Artificial Digital Guide te aanschouwen: het nieuwe gezicht voor Elision.
Maar nieuwe vragen wierpen zich op.
Kiezen we voor een mannelijke of vrouwelijke Digital Guide? Vertegenwoordigen deze gezichten daadwerkelijk onze medewerkers of horen ze eerder thuis op de catwalk? Zullen onze medewerkers zich kunnen identificeren met deze persoon? Stemmen deze gezichten overeen met onze toekomstige doelen? Staan ze voor het bedrijf dat we willen zijn?
The (first) final result
Below, you can see the first faces that came out of our iterations. It was exciting to witness the birth of our Artificial Digital Guide: the new face for Elision. We had some big plans for this “person”!
But …
Should we opt for a male or female guide? Do these faces truly represent all our employees, or do they give off a vibe reminiscent of the modeling industry? Will our employees continue to identify with Elision? Do these faces align with our future goals? Do they represent the company we want to be?
We had more questions than answers.
Nieuwe visie, nieuw Elision
Het werd al snel duidelijk dat deze gezichten geen juiste weergave waren van ons bedrijf. Want de Digital Guide moet inclusief zijn. Dat bracht nieuwe uitdagingen met zich mee, die we als volgt hebben aangepakt:
- Schoonheidsnormen: Schoonheid is subjectief. In het echte leven staan sommigen vroeger op om implementaties te monitoren vóór de werkuren. Uit eigen ervaring kunnen we zeggen dat dit kan leiden tot een ietwat vermoeide uitstraling. Om hiermee om te gaan hebben we onze prompt verfijnd met termen zoals ‘doorsnee uiterlijk’.
- Inclusiviteit: In onze dataset vertegenwoordigen 19 van de 25 afbeeldingen blanke mannen van Europese afkomst. Om inclusiviteit te bevorderen, verminderden we het belang van deze negentien mannen, wat resulteerde in een evenwichtigere dataset in lijn met ons beoogde resultaat.
- Trainingsdata: Bij onze beeldgeneratie kozen we voor het Juggernaut XL-model. Dit model is voornamelijk getraind op westerse acteurs en modellen, wat resulteerde in een vertekening in onze dataset. Een oplossing was het trainen van ons model met behulp van afbeeldingen van onze eigen medewerkers.
- De perfecte snit: Generatieve AI levert behoorlijk indrukwekkende resultaten op als het gaat om kapsels – misschien zelfs iets té goed ... Onze AI moest met andere woorden een bezoekje brengen aan de kapper. Uiteindelijk kozen we voor een kapsel dat een vleugje nonchalance combineert met een business-casual look.
Door het bovenstaande te implementeren kwamen we tot een gemengd resultaat dat nog steeds vragen opriep over de juistheid van de representatie. De hamvraag bleef: ‘reflecteren deze kenmerken wie we werkelijk zijn?’
A vision of a broader Elision
It was clear that these artificial faces were not representative of the company we wanted to be. We wanted this guide to be inclusive.
We set out on our journey to create a better representation of our digital guide. Here is how we tackled our challenges:
- Beauty standards: Beauty is subjective, yet our Artificial Digital Guide requires a level of authenticity in the context of digital customer experiences. This means some might wake up early to monitor deployments before typical work hours. In our experience, this can lead to a slightly wearier look. To tackle this, we introduced additional prompts such as: "average-looking".
- Inclusivity: In our data set, 19 out of 25 images represent Caucasian males. To promote inclusivity, we decreased the weight of those nineteen images, leading to a better-balanced dataset in line with our targeted outcome.
- Training data: Addressing a more challenging issue, we employed the Juggernaut XL model for our image generation. This model has primarily been trained on Western actors and models, introducing bias into our dataset. A potential solution involves training our model, using images of our own employees.
- The perfect haircut: Generative AI does a rather amazing job on haircuts, perhaps too good of a job ... Consequently, we recognized the need for our Artificial Digital Guide to pay a visit to the barber. In the end, we opted for a trim that carries a touch of messiness, yet retains a business casual appeal.
Implementing all of the above brought us to a result where we still had a lot of conversations on the correctness of representation. The question lingered: "Do these traits truly reflect who we are?" Nevertheless, there was a collective sense that we dedicated considerable effort to underscore the challenges of generative AI for the application.
Een bezoek aan de kapper
verschillende kapsels, waaronder kaal, warrig haar, man bun, geschoren, ...
Accepteer marketing cookies om deze video te bekijken.
Taking into account the EU AI Act
As part of its digital strategy, the EU aims to regulate artificial intelligence to ensure better conditions for the development and use of this innovative technology. AI can create many benefits, such as better healthcare; safer and cleaner transport; more efficient manufacturing; and cheaper and more sustainable energy. But it also raises concerns and challenges that necessitate careful consideration.
In the AI act (read more) there are 4 levels of risk and a set of guidelines per level.
- Unacceptable risk
- High risk
- Minimal risk
- Specific transparency risk
Our case falls under minimal and specific transparency risk. This motivated us to ensure Elision's compliance with future developments, and that is why ...
- Our Artificial Digital Guide will always come with the line: "This digital guide was created using AI." (AI ACT)
- Confronting non-bias is the hardest but most important topic. We already elaborated on all the efforts we made to eliminate bias from our artificial digital guide. However, one fundamental question remains: "Is it possible for humans to be entirely non-biased? And by extension, can AI?" This, in our opinion, stresses the importance of output and data curation! (AI ACT)
- Our dataset was never used in a 3rd party online AI generation platform, emphasizing our consistent ownership of data. The written consent obtained from our employees underscores our unwavering commitment to safeguarding their data. (GDPR/Consent)
- In line with this article, we aim to provide complete transparency regarding our sources and tools. In case of doubt, please send us an e-mail using our contact form. (AI ACT)
Rekening houdend met de EU AI-wetgeving
In het kader van haar digitale strategie streeft de EU ernaar artificiële intelligentie te reguleren om de ontwikkeling en het gebruik van deze innovatieve technologie onder betere voorwaarden te waarborgen. AI biedt talrijke voordelen, zoals verbeterde gezondheidszorg, veiliger en ecologischer transport, efficiëntere productie en duurzamere energie. Maar het brengt ook zorgen en uitdagingen met zich mee die nauwgezette overweging vereisen.
In de AI-wetgeving worden vier risiconiveaus en bijbehorende richtlijnen opgenomen:
- onaanvaardbaar risico
- hoog risico
- minimaal risico
- specifiek transparantierisico
Onze case valt onder 'minimaal' en 'specifiek transparantierisico'. Dit motiveerde ons ervoor te zorgen dat Elision steeds voldoet aan (toekomstige) ontwikkelingen:
- Onze Artificial Digital Guide zal altijd een disclaimer bevatten: ‘Deze gids is gemaakt met behulp van AI.’ (AI-wetgeving)
- Het omgaan met subjectiviteit (bias) is het moeilijkste en tegelijk meest cruciale onderwerp. We beschreven uitgebreid welke inspanningen we hebben geleverd om subjectiviteit uit onze Digital Guide te verwijderen. Desondanks blijft een fundamentele vraag onbeantwoord: ‘Is het mogelijk voor mensen om volledig onbevooroordeeld te zijn? En bij uitbreiding: AI?’ Het belang van output- en datacuratie wordt hiermee nog maar eens benadrukt. (AI-wetgeving)
- Onze dataset werd nooit gebruikt op een AI-generatieplatform van derden, we hebben nadrukkelijk onze voortdurende eigendom van gegevens bewaakt. Van onze medewerkers hebben we de schriftelijke toestemming gekregen om hun beelden te gebruiken voor deze doeleinden. Dit benadrukt onze toewijding aan gegevensbescherming. (GDPR/toestemming)
- In lijn met dit artikel streven we naar volledige openheid over onze bronnen en tools. Bij twijfel kan je ons steeds een e-mail sturen via ons contactformulier. (AI-wetgeving)
Unwrapping
our Artificial Digital Guide
So, are these traits a true reflection of who we are? For now, we will settle with the results. In the future, as Elision grows, our Artificial Digital Guide might change. This message is intended to spark much-needed discussions on the strengths and pitfalls of AI – a remarkable and effective tool in the right hands, but potentially dangerous without proper guidance.
We wish you a 2024 filled to the brim with intelligence, and for the lucky ones, enjoy your Chocolate eXperience.
Onthulling van
onze Artificial Digital Guide
Zijn de kenmerken van onze gids nu een ware weerspiegeling van wie we (willen) zijn? We laten het antwoord voorlopig in het midden. In de toekomst, naarmate Elision groeit, zal onze gids hoe dan ook evolueren. Deze blog is bedoeld om broodnodige discussies op gang te brengen over de sterktes en zwaktes van AI – een fascinerend en effectief instrument wanneer het juist gebruikt wordt, een potentieel gevaar wanneer dat niet het geval is.
Wij wensen je alvast een intelligent 2024 toe, en voor de gelukkigen: geniet van je Chocolade eXperience!
Hoe kunnen we je helpen?
Als full-service CX-partner ondersteunt Elision bedrijven proactief bij hun overstap naar een duurzame klantervaring. We beschikken over een uitgebreid portfolio van SAP CX- en andere toonaangevende platformen om jouw commerce-oplossing naar een hoger niveau te tillen. Ons gedreven team voorziet je van waardevolle inzichten en deelt met plezier zijn CX-expertise.
