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~ ^_^