一、核心基礎
• 技術基礎：建立在機器學習（Machine Learning）與深度學習（Deep Learning）之上。
• 模仿方式：透過學習人類的學習與創作模式，從資料中擷取規律，再生成新的內容。
• 核心架構：人工神經網路（Artificial Neural Networks），模擬人腦神經元處理資訊的方式。
二、運作流程
1. 資料收集
• 收集大量與目標任務相關的資料集。
• 例子：圖像生成需要龐大的圖庫、語言模型需要文本資料。
2. 模型訓練
• 使用深度神經網路（如 Transformer、生成對抗網路 GAN）。
• 學習語言、圖像或其他內容的結構與統計特性。
• 建立內部表示（潛空間 latent space）。
3. 內容生成
• 根據使用者輸入，從潛空間取樣或透過生成器網路產生新內容。
• 生成結果雖然新穎，但本質上是基於原始資料的特徵組合與推理。
4. 微調處理
• 根據應用場景進行調整，如：
• 品牌語調
• 特定風格
• 目標：提升品質、準確性與一致性。
iThome鐵人賽
看影片追技術