中文自2022年11月ChatGPT公开发布以来，人工智能一直占据科技新闻头条。但对于印刷和媒体行业而言，AI并非新来者——多年来，它一直在悄然优化生产流程。如今的不同之处在于，生成式AI正从印刷车间走向设计工作室，为印刷服务提供商带来新的机遇和新的问题。
生产车间的弱人工智能
印刷行业多年来一直在生产链的特定任务中使用《Graphische Revue》主编Knud Wassermann所称的“弱AI”——更准确地说，是机器学习。图像数据采集与识别系统控制着所有工艺步骤的质量，当检测到与参考数据的偏差时，软件会自动实时补偿，无需人工干预。这同样适用于模拟和数字印刷机。
其结果可通过设备综合效率（OEE）来衡量，这是一项衡量实际有效生产时间百分比的业务指标。据海德堡公司称，目前胶印机的平均OEE略高于30%。而高度依赖自动化和优化的个别印刷企业，根据其订单组合，已实现超过60%的峰值。将机器整合到更广泛数据生态系统中的云解决方案正在改善订单排序、准备时间、废品率和工艺稳定性。由机器学习驱动的预防性维护理念通过提前预测故障来保持高可用性。
生成式AI进入设计工作室
更明显的变革正发生在创意工作流程中。Adobe的Firefly平台，展示了集成到Photoshop、Illustrator和Express中的生成式AI模型，承诺“无论个人知识水平如何，每个人都能将自己的文字转化为创意想法”。对于印刷服务提供商而言，这为客户提供更多平面设计支持开辟了可能性——生成版式、创建变体、扩展图像以及制作营销物料，同时减少对专业设计资源的依赖。
但生成式AI也引发了行业刚刚开始面对的问题。AI模型构建的数据基础是什么？训练数据来自哪里，多样性如何体现？版权归谁所有——是开发AI解决方案的公司，还是发出提示词的用户？在专业环境中，验证和确认AI生成信息的责任显然在于用户，但在大批量生产工作流程中行使这一责任的实际机制仍在演变之中。
内容真实性之问
Adobe正试图通过内容真实性倡议（CAI）来解决这一挑战的一个维度，该倡议旨在为数字内容的可信归属建立全球标准。其目标是在文件信息中嵌入一个通用“标签”，使图像创作者能够将其内容排除在AI图像生成器的训练之外，同时AI生成的内容将被适当标记。该标签将随内容在使用、发布或保存的任何地方关联。
对于在传统生产专长与新兴AI能力交汇处前行的印刷服务提供商而言，前进之路需要在自动化带来的效率提升——无论是在印刷机上还是在印前环节——与只有经验丰富的专业人员才能提供的判断力和质量控制之间取得平衡。工具正变得越来越强大。明智地使用它们，并知道何时人工判断必须凌驾于算法输出之上，将定义AI时代成功的印刷企业。
人工智能的可持续性维度同样值得关注。生成式AI模型在训练和推理过程中都会消耗大量计算资源，而支撑AI工作负载的数据中心也拥有显著的能源和水资源足迹。对于一个日益需要报告其环境绩效的行业——受欧盟《企业可持续发展报告指令》（CSRD）等法规以及客户对供应链碳核算要求的驱动——印前、设计和流程自动化中所使用的AI工具的能耗，可能也需要纳入可持续发展报告之中。
AI生成内容中的版权问题对印刷行业尤为突出，因为该行业处于创意工作与工业生产的交汇点。如果设计师使用AI工具生成一个融入了基于受版权保护图像训练元素的版式，当原始权利人提出异议时，责任应由谁来承担——是设计师、印刷服务提供商，还是AI平台？这些问题正在世界各地的法院审理中，最终答案可能还需数年才能揭晓。与此同时，在工作流程中使用AI工具的印刷服务提供商应制定相关政策，要求对AI生成的内容进行人工审核，并保留生产过程中所用工具和数据来源的记录。
或许，思考AI在印刷行业中最具建设性的方式，不是将其视为人类专业技能的替代品，而是将其视为一种放大器。印刷机上的机器学习通过自动处理常规调整并将异常情况标记出来供人工关注，使熟练操作员更加高效。工作室中的生成式AI通过处理重复性的版式变化，让设计师能够专注于创意方向，从而加快设计速度。在这两种情况下，技术都不会消除对人工判断的需求——反而提高了做出正确判断的重要性，因为AI辅助工作流程的输出速度意味着错误可能比以往任何时候传播得更快。在AI时代蓬勃发展的印刷企业，将是那些将强大工具与严谨的质量流程相结合的企业，利用自动化处理可以自动化的工作，同时对无法自动化的工作保持严格的人工监督。
来源：drupa博客，“AI在媒体与印刷行业中的应用”，客座文章作者：Knud Wassermann，《Graphische Revue》主编。
