生成式 AI（ AIGC、生成式人工智慧 ）是目前相當令人驚嘆且快速發展的技術，它結合了機器學習和自然語言處理的優勢，能夠生成具有合理性和創造性的內容，從自動寫作到藝術創造，從影像生成到音樂創作。這篇文章將介紹生成式 AI 的一些發展歷史、特色和未來展望。
原文參考：關於生成式 AI ( AIGC )
生成式 AI（ AIGC ）是一種人工智慧技術，利用機器學習和自然語言處理的方法，透過訓練模型來學習數據的模式和結構，自主生成具有合理性和創造性的內容，相較於傳統的 AI 人工智慧，生成式 AI 不僅可以根據規則執行任務，還能夠通過學習和模型生成全新的內容，例如人類語言，如文章、對話、詩歌...等。
雖然生成式 AI 看起來是近一兩年才出現，但實際上已經發展了好一陣子，下方列出主要的發展歷史：
1980 年代和 1990 年代：神經網絡的相關研究出現，但由於當時電腦的計算能力和數據量限制，造成模型的表現並不理想。直到近年來，隨著大數據和計算能力的快速增長，生成式 AI 才取得了重大突破。
2014 年：生成對抗網絡（ GAN ）的提出引起了廣泛的關注 ( 參考「生成對抗網路」 )。GAN 由生成器和鑑別器組成，通過對抗訓練的方式，使生成器不斷提升生成的內容的逼真度，而鑑別器則試圖區分真實數據和生成器生成的數據。GAN 模型的出現推動了生成式 AI 的快速發展，並取得了重大突破。
2015 年開始：度學習模型中的循環神經網絡（ RNN ）和長短期記憶（ LSTM ）開始在生成式 AI 中得到廣泛應用 ( 參考「循環神經網路、長短期記憶」 )，透過這些模型可以捕捉和學習複雜的序列模式 ( 語言或音樂...等 )。
2018 年至 2019 年： OpenAI 推出了一系列強大的模型，其中最著名的是 GPT-2 和 GPT-3。GPT-2 擁有 1.5 億個參數，可以生成高度流暢的文本，而 GPT-3 更是擁有 1750 億個參數，是當年最大的生成式 AI 模型之一，也因如此，GPT-3 在各種任務上展現出了卓越的性能，包括自動寫作、語言翻譯、對話生成...等。
2020 年至今：生成式 AI 不斷的取得突破，不斷提升生成內容的品質和生成的能力，隨著許多開源社群的貢獻，許多生成式 AI 模型和工具陸續開源，使得研究人員和開發者能夠自由使用和擴展這些技術，藉此改進模型架構、訓練方法和數據集，大幅推動了生成式 AI 的進一步發展。
近年來生成式 AI 的出現，替人類的生活和工作帶來不小的轉變，下方列出生成式 AI 的幾個主要特色：
生成式 AI 是一種引人注目的技術，除了可以自主生成具有合理性和創造性的內容，在各個領域中也都有廣泛的應用。然而生成式 AI 也逐漸面臨許多挑戰和道德問題，只有通過適當的監督和引導，才能確保生成式 AI 產生訊息的準確性，並消除偏見和不亮影響，才能繼續帶來更多創新和改變。
大家好，我是 OXXO，是個即將邁入中年的斜槓青年，我有個超過一千篇教學的 STEAM 教育學習網，有興趣可以參考下方連結呦～ ^_^
iThome鐵人賽
看影片追技術