到目前為止，我已經能讓GPT-2在Colab上成功產生文字。今天要來試試看：透過調整一些參數，能不能改變生成結果的風格。

什麼是temperature？
在生成文字時，模型其實是透過機率來挑選下一個字。

• temperature低：模型會更保守，只會挑選機率最高的字 → 內容通常比較穩定、但會有重複的狀況。
• temperature高：模型更容易嘗試機率較低的字 → 內容會比較有創意、但有時會出現較混亂的狀況。

實際操作
我在 Colab 裡輸入這段程式碼，讓GPT-2幫我生成文字，分別設定temperature=0.2和temperature=1.0。

第一次輸入後，發現兩種溫度對我給的prompt The future of AI in medicine is
產生的結果沒有很顯著的差別，推測可能是程式中設定的token數量太少了。
因此將token數量從50改至100後，再次測試。

這麼一來，兩種溫度造成的結果就有很明顯的差異：

• Temperature = 0.2
  發覺它幾乎陷入一種洗版的模式，不斷重複The world is still in the early stages of developing AI.這句話。這就是低溫的特徵，模型很保守，只挑最有可能的詞，結果就是一直重複，像卡在一個安全但單調的迴圈。
• Temperature = 1.0
  而高溫的結果，雖然還是圍繞在「AI in medicine」這個主題，但開始出現更多不同說法，甚至帶進「replace human medical systems」、「health care services」這種比較多樣的內容。這就是高溫的特徵，比較有創意，不會一直出現重複內容，但不保證正確性。

第一週主要都在做環境建置和參數嘗試，這些過程雖然比較基礎，但讓我把生成式 AI 是怎麼跑起來的這件事搞清楚了。第二週我會嘗試進行一些生成式AI常見的應用，繼續加油吧!