iT邦幫忙

2023 iThome 鐵人賽

DAY 4
0

提要

前言

今天我們會從 AIGC ( AI Generated Content ) 的定義去延伸,繼昨天的 AIGC 應用等內容,進而延伸探討關於 AIGC 的演進相關的內容;例如,AI模型的演進、GAI的歷史、及GAI演算法的演進。

AI模型的演進

https://ithelp.ithome.com.tw/upload/images/20230919/20120468RabTmqQdYd.png

我們可以看到:

  1. 從早期的機器學習開始,數據是被函式或參數所分門別類,這個演算法旨在以過去經驗去簡單歸納出新的演算法。
  2. 類神經網路進而去模擬人腦神經的信號處理、及思維機制。到了生成式演算法後,主要受惠於Transformer,它將人類注意力機制引入模型的架構中,另外還有生成是對抗網路 (Generative Adversarial Network, GAN),它是後續許多熱門變體及架構的靈感來源。
  3. 隨著GAN的架構演進,越來越多的語言模型被開發出來;例如,BERT,它被證實能夠理解人類語言的複雜性。
  4. 近期,我們將預訓練的方法套用在語言模型上,避免頻繁改動其參數影響到其整體的表現,以此構建出更具泛化性的語言模型,由於這些模型是透過人類聊天訊息去進行訓練的,所以與其互動的時候,可以表現出類似人類聊天的行爲。
  5. 後續,我們可以持續關注這些大型語言模型的表現。

GAI的歷史

https://ithelp.ithome.com.tw/upload/images/20230919/20120468e15aB34ya7.png

  • 文本生成
    文本方面的生成式AI最早可以追朔到1950年左右,當時的主要模型是隱式馬可夫模型(Hidden Markov Models, HMMs)、及高斯混合模型(Gaussian Mixture Models, GMMs),這些模型可以生成序列資料;例如,語音、及時間序列。到了深度學習(Deep Learning, DL),在自然語言處理(Natural Language Processing, NLP)中,是使用N-gram的方法對句子進行建模,它能透過單詞分佈去搜索最佳序列,但無法在長句中使用。因此,後來引入了循環神經網路(Recurrent Neural Networks, RNNs)去解決這個問題,並以此作為基底改良,提出了長短期記憶(Long Short-Term Memory, LSTM)、及門控循環單元(Gated Recurrent Unit, GRU)的架構,這些方法可以處理大約200個標記(token)。
  • 圖像生成
    圖像方面的生成式AI最早可以追朔到1980年左右,當時主要的演算法是紋理合成、及紋理映射,這樣的方法受限於人工的特徵設計,難以生成複雜多樣的圖像。直到2014年,生成對抗網路(Generative Adversarial Networks, GANs)被提出,在各種領域中都有不錯的表現。與此同時,變分自編碼器(Variational Auto Encoders, VAEs)及其他方法也逐漸被開發出來;例如,基於Flow的模型(Flow-based Model)、及擴散模型(Diffusion Model),它們對於圖像生成可以有更細緻的操作,進而生成更高解析度的圖像。
  • 殊途同歸
    2017年,文本生成的方法後續受惠於Transformer架構的出現,利用其注意力機制可以達到很好的效果,圖像生成自然也不落人後,2019年,透過ViT(Vision Transformer)架構的提出,將Transformer架構與視覺組件結合,用以實現圖像生成,並在2020年提出Swin Transformer,將其圖像生成方法做了改良,以滑窗(slide window)方式,減少原本圖像的運算量,後來,單模態演化成多模態,衍伸出了能同時處理文本和圖像的模型;例如,CLIP,CLIP 是一種聯合視覺語言模型,它將 Transformer 架構與視覺組件相結合,使其能夠接受大量文本和圖像數據的訓練。由於它在預訓練過程中結合了視覺和語言知識,因此它也可以用作多模態提示生成中的圖像編碼器。

GAI演算法的演進

按照前一節的討論,我們將後續要探討的演算法整理成列表,如下所示。

演算法 年份 描述
VAE 2014 基於變分下界約束獲得的編碼器-解碼器模型。
GAN 2014 基於對抗性學習的生成器-判別器模型。
Flow-based 2015 學習非線性雙射變換,將訓練數據映射到另一個空間,其空間分佈可以被因式分解。整個模型架構取決於直接最大化似然(likelihood)對數來實現這一點。
Diffusion 2015 擴散模型有兩個過程。在前向擴散階段,將噪聲逐漸施加到圖像上,直到圖像被完全的高斯噪聲破壞,然後在反向擴散階段,學習從高斯噪聲中恢復原始圖像的過程。訓練後,模型可以使用這些去噪方法從隨機輸入生成新的"乾淨"數據。
Pixel RNN 2016 基於深度的循環神經網路,它沿著兩個空間維度順序預測圖像中的像素。對原始像素值的離散機率進行建模,並對圖像中完整的依賴關係集進行編碼。
Transformer 2017 這種網路模型最初用於完成不同語言之間的文本翻譯任務,基於自注意力機制。主體包括Encoder和Decoder部分,分別負責對源語言文本進行編碼,並將編碼信息轉換為目標語言文本。
Nerf 2020 它提出了一種方法來優化一組輸入圖像的連續 5D 神經輻射場(任何連續位置處的體積密度和與視圖相關的顏色)的表示。要解決的問題是,給定一組捕獲的圖像,如何從新的視點生成圖像。
CLIP 2021 首先,進行自然語言理解和電腦視覺分析。其次,使用預先標記的"文本圖像"訓練數據來訓練模型。一方面,根據文本訓練模型。從另一個方面來說,訓練另一個模型,不斷調整兩個模型的內部參數,使模型輸出的文本和圖像特徵值分別匹配和確認。

以上是這些與AIGC演算法相關的簡介,我們會在後續詳細做介紹與討論。

小結

今天我們回顧了三個面向的歷史演進;例如,AI模型的演進、GAI的歷史、及GAI演算法的演進,後續,我們會接續GAI中的演算法做詳細的探討,明天見!

參考連結


上一篇
[Day3] AIGC的特色與應用
下一篇
[Day5] VAE,好久不見
系列文
關於我將 AIGC 導入企業的那些坑-以 Stable Diffusion 為例31
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言