Elias erklärt die Forschung hinter den Schlagzeilen in klarer Sprache.
Von dieser Story inspiriert? Verwandle die Idee in Sekunden in deine eigene KI-Kunst – kostenlos starten, ganz ohne Karte.
Kostenlos loslegenWähle einen Companion und erfahre seine Meinung zu dieser Story
Amazon führt eine neue Funktion für Alexa for Shopping ein, die es Kunden ermöglicht, Artikel zu kaufen, indem sie dem KI-Assistenten eine Textnachricht senden, entweder durch Beschreibung der gewünschten Produkte oder durch Senden eines Fotos des Artikels. Dieses Update optimiert den Einkaufsprozess und ermöglicht es Kreativen, physische Artikel schnell zu finden und zu erwerben, indem sie einfach auf natürlichere, multimodale Weise mit der KI kommunizieren, ähnlich wie sie einen Bildgenerator anweisen würden.
Diese Verbesserung bedeutet, dass Benutzer, anstatt die Amazon-Website oder -App zu navigieren, eine Textnachricht an Alexa for Shopping senden können, die detailliert beschreibt, was sie benötigen, z. B. „kaufe mir ein neues Wacom Intuos Pro Medium Tablet“ oder „finde mir einen Stehschreibtisch, der diesem ähnlich ist“ mit einem angehängten Foto. Alexa verarbeitet dann diese Eingabe, durchsucht die umfangreichen Angebote von Amazon und sendet relevante Produktempfehlungen per Textnachricht zurück. Ziel ist es, den Einkauf so intuitiv wie ein Gespräch zu gestalten und traditionelle Suchoberflächen zu umgehen.
Die Möglichkeit, sowohl Text als auch Bilder als Eingabe zu verwenden, bekannt als multimodales Prompting, spiegelt direkt die Art und Weise wider, wie viele KI-Kunstschaffende mit Tools wie Charmloops Bildgenerator interagieren. So wie ein Benutzer ein Referenzbild hochladen und stilistische Änderungen beschreiben könnte, um ein neues Kunstwerk zu generieren, kann er Alexa jetzt ein Foto eines bestimmten Artikels zeigen – sagen wir, eine bestimmte Pigmentmarke oder ein einzigartiges Bildhauerwerkzeug – und die KI bitten, es zu finden. Dies verlagert die Interaktion von der stichwortbasierten Suche zu einem visuelleren und beschreibenderen Dialog, was potenziell Zeit spart, wenn man nach spezifischen, schwer zu beschreibenden Artikeln sucht.
Alexa for Shopping ermöglicht es Benutzern jetzt, Produktbeschreibungen oder Bilder an den KI-Assistenten zu senden.
Bild: Hugging Face Blog
Für Kreative könnte dies bedeuten, die Beschaffung physischer Güter, die für ihr Handwerk benötigt werden, zu optimieren. Wenn beispielsweise ein digitaler Künstler eine bestimmte Art von Monitorständer im Studio eines Kollegen sieht, könnte er ein Foto davon machen und es an Alexa for Shopping senden, um ein passendes oder ähnliches Produkt zu finden. Dieser Ansatz reduziert die Reibung, die oft mit der Übersetzung einer visuellen Idee in Suchbegriffe verbunden ist, die genaue Ergebnisse liefern. Das System ist darauf ausgelegt, den Kontext sowohl aus dem Bild als auch aus dem begleitenden Text zu verstehen, um präzisere Empfehlungen zu geben, als es textbasierte Abfragen allein ermöglichen würden.
Obwohl diese Funktion hauptsächlich auf das Einkaufen von Verbrauchern ausgerichtet ist, hat ihre zugrunde liegende Technologie für multimodale Eingaben umfassendere Auswirkungen darauf, wie wir mit KI in verschiedenen Anwendungen interagieren. Die einfache Kombination von visuellen und textuellen Hinweisen könnte das Design zukünftiger KI-Tools beeinflussen und sie an natürlichere menschliche Kommunikationsstile anpassen. Für Kreative bedeutet dies, dass KI-Tools noch stärker in tägliche Workflows integriert werden könnten, von der Materialbeschaffung bis zur Inhaltserstellung, indem sie einfach visuelle Beispiele und natürliche Sprachanweisungen interpretieren. Die fortlaufende Entwicklung robuster multimodaler KI-Modelle, wie sie bei der Generierung interaktiver virtueller 3D-Welten verwendet werden, erweitert die Möglichkeiten für KI-gestützte Unterstützung in kreativen Bereichen weiter. NVIDIAs Cosmos 3-Veröffentlichung bietet beispielsweise Tools zur Erstellung komplexer digitaler Umgebungen aus verschiedenen Eingaben.
Dieses Update von Amazon unterstreicht einen Trend zu intuitiveren, konversationellen KI-Schnittstellen, die reichhaltigere Eingabeformen verstehen und darauf reagieren. Da KI-Modelle immer besser darin werden, komplexe visuelle und textuelle Prompts zu interpretieren, können Kreative zunehmend ausgefeilte und nahtlose Interaktionen über eine breitere Palette von Plattformen und Diensten erwarten, von der Generierung einzigartiger Bilder auf Plattformen wie Charmloop bis hin zur Verwaltung praktischer Aufgaben wie dem Einkauf von Verbrauchsmaterialien. Um zu erfahren, wie multimodales Prompting bei der kreativen Generierung funktioniert, besuchen Sie unseren Bereich Anleitungen.
