5分鐘掌握2023年生成式AI大爆發關鍵:從機器學習到ChatGPT|KingOne Design 王一設計

Close

Close

Close

5分鐘掌握2023年生成式AI大爆發關鍵:從機器學習到ChatGPT

2024. Apr. 306,725王一資深編

被讚譽為「超級AI」,2個月內,ChatGPT在全球的用戶數即達到1億人。

圖片來源: Freepik

運算科學先驅Mark Weiser曾說:「最偉大的技術是那些已經融入到日常生活,從而漸漸消失不見的技術。」隨著ChatGPT的優化,生成式AI的威力在今年完全大爆發!相較於許多漸漸融入日常生活而消失不見的技術,「現在可能是最幸運的時代,因為許多想法都能藉由人工智慧實現。」OpenAI執行長Sam Altman在日前抵台的公開演講這麼說道,是否也感覺到,下一個偉大技術已正式來到?!


從2022年底OpenAI推出ChatGPT3.5後,生成式AI的力量開始發酵,2023年2月微軟推出可用手機使用的生成式AI-Bing,春天,GPT-4問世,大力推動ChatGPT的使用,生成式AI的威力在今年完全大爆發!或多或少,你應該也有試著使用過,是否也被聰穎的新版聊天機器人回應你的內容與速度驚訝?


在我們的日常生活中,聊天機器人早已存在,打開LINE通訊軟體,當你在深夜詢問一個品牌官方帳號相關新品訊息時,就有可能收到來自聊天機器人的自動回覆,但為什麼你沒有被其間的對話給驚豔呢?這必須回到機器學習(Machine Learning,ML)與生成式人工智慧(Generative Intellegence,AI),接下來,我們以5分鐘帶你掌握2023年生成式AI大爆發的關鍵。

前情提要:由ChatGPT引起的生成式人工智慧狂潮

去年底之前,人們仍普遍認為,機器學習和人工智慧只與科技愛好者、創作相關工作者、大型企業或數據驅動的公司相關,但短短幾個月的口碑累積,來到今年初,越來越多人登入ChatGPT,也讓生成式AI火紅了起來了。


從小學生到上班族、專業經理人、程式工作人員等,橫跨年齡、性別與產業,ChatGPT的使用者數量,比起許多話題產品的實體消費人數絲毫不遜色,無論是即興地請ChatGPT翻譯一段短文,或是讓它查找大量資料,都能發現ChatGPT的神通廣大,當然,姑且不論ChatGPT所生成內容的正確性,在討論它所生成的內容前,我們將先深入淺出地探討為何是今年?為何人類突然撲進生成式AI的旋風裡?在ChatGPT以外的生成式人工智慧也開始如雨後春筍般冒出,並且不侷限於文案的翻譯與產出,類型更加廣泛,包括圖像、音頻、藝術設計和其他形式的數據。

「現在可能是最幸運的時代,因為許多想法都能藉由人工智慧實現。」—OpenAI執行長Sam Altman

ChatGPT推廣期間,所有人可以免費註冊,並在登入後免費與AI機器人對話。

圖片來源: Freepik

因創立OpenAI而成為話題企業家的Sam Altman時常受訪,近期在台的公開演講,他談及OpenAI帶來的生成式AI革命,「就如同第一代iPhone問世時進而改變了智慧型手機市場的發展,甚至帶動了App、全新服務模式的快速成長,人工智慧技術,也將帶動全新市場局面。」回顧近一年來AI關鍵字席捲各產業的趨勢議題乃至於應用發展,相信沒有人會否認Altman這席話。

本是同根生:機器學習VS.人工智慧 VS.生成式人工智慧

事實上,生成式人工智慧和機器學習都是AI應用程式,生成式人工智慧是一種機器學習的架構,但並非所有的機器學習架構都是生成式人工智慧,在讚嘆於ChatGPT作為虛擬助理的稱職之前,不妨先了解它與AI的前世今生。

Google 定義三者的差別:


AI(Artificial Intelligence):是最為廣泛的概念,可讓機器或系統能夠像人一樣感知、推論、行動或適應。


ML(Machine Learning):是一種 AI 應用程式,使用演算法剖析資料,進而吸收資料,可讓機器從資料中擷取知識,並自動學習。


生成式AI(Generative AI):意旨利用AI(人工智慧)来創造新的内容,如文案、圖像、音樂、音檔和影像檔等。

機器學習是人工智慧的子領域,通過訓練做出由數據推論而來的預測。

圖片來源: Freepik

機器學習是人工智慧(AI)的一種,使計算機系統從數據中學習,可以說,機器學習是利用演算法來分析大量資料、從深入分析資訊中學習,以並根據所應用的產業性質執行不同的預測與操作,機器學習模型通常利用訓練數據來不斷改進其性能,並且已應用在廣泛領域中。

王一設計為遠雄房地產設計的智慧導覽員具備了即時問答的資訊導覽。

生成式AI促進AI技術普及

生成式AI是一種人工智慧,根據IBM的定義,生成式AI是深度學習模型,可根據訓練的資料產生高品質的文字、圖像和其他內容。


Deep Learning(深度學習):是ML機器學習的一個子集,使用以人類大腦為模型的特定演算法結構,稱為神經網路,深度學習推動了許多人工智慧的發展和應用。

當AI模型的層級逐一展開為你我熟悉的生成式AI應用。

圖片來源:Medium

1.生成式AI的優點

生成式AI基於深度學習模型(Deep Learning),改變了人機互動方式,使得機器能夠更自然地理解和產生人類語言和內容。生成式AI代表了人工智慧越來越貼近人類需求和創造力的方向,由於具備了靈活性和多功能性,生成式AI在文字生成、語言翻譯、圖像生成、音樂創作等領域展現出巨大的創意潛力,也是因為這樣,人類與機器的協作變得更加有效率。


2.生成式AI的缺點

生成式AI依賴龐大的基礎模型,這些模型能夠執行多項任務,包括摘要、問答、分類等,並且直接用於許多應用中,有些專家認為使用生成式AI的方式不全在於解答,而在於你是否問了一個好的問題,所以「人」的角色絕對不可或缺,人為的思考與判斷決定了你與生成式AI的關係是否健康,機器人即使給出了洋洋灑灑的生成內容。在缺乏校正的前提下,許多資料只能作為參考,難以真的成為最終的任務版本。

生成式AI推手NVIDIA執行長黃仁勳直言,生成式AI蘊藏龐大的產值協助產業的革新,以及帶起新一波的高效能運算需求,超微執行長蘇姿丰也說,「未來五年AI將無所不在。」從生成式AI(Generative AI)回顧AI進程,也能了解到AI不斷快速進步中。生成式人工智慧代表了人工智慧領域的一項重大進展,回顧人工智慧的發展歷程,可以看到生成式AI的崛起,標誌著人工智慧正朝著更廣泛、更複雜的落地應用方向發展,但它在應用上的缺點,也是不能被忽視的議題,目前AI要達到完成自動化且完全正確仍有段距離。

專家認為使用生成式AI的方式並不全在於解答,而在於你是否問了一個好的問題。

生成式AI技術已經在自動文摘、虛擬助理、創意藝術、3D建模生成等方面取得了重大突破。

圖片來源:101blockchains

主流商業生成式AI TOP 10

簡單介紹10個熱門的生程式AI,根據Technology雜誌排名,這10個頂級生成式AI工具能為企業、職場工作者賦能,但目前有些生成式AI使用區域僅限歐洲乃至美洲,且實際上這些工具主要來自OpenAI、Google、Microsoft等三大企業所有,可以說2023年也是生成式AI商品的爭霸戰。

ChatGPT:OpenAI旗下的生成式AI,從ChatGPT3.5到GPT4,以對話型的生成內容聞名於世,直至2023年1月,已經成為歷史上增長最快的消費者軟體應用程式,擁有超過1億用戶。


Bard:由Google開發的生成式人工智慧聊天機器人,是為了與OpenAI的ChatGPT對戰而開發的,2023年5月已擴展到更多個國家。


Claude 2:由Anthropic公司開發的AI聊天機器人一直都被喻為是ChatGPT最大的對手,Claude最好用的功能之一是可將文件上傳,讓AI協助彙整、摘要內容或回答問題,Claude 2數據已更新到2023年初。


GitHub Copilot(OpenAI&Microsoft):同樣基於OpenAI技術的Copilot是GitHub去年推出的自動程式碼完成服務,能夠協助開發者使用AI來完成程式碼編寫工作。


Bing AI:微軟(Microsoft)旗下的Bing AI,能讓人聊天、蒐索和尋找靈感,包括獲得摘要答案、擬定草稿、查看圖像等功能。


Sensei GenAI:出自Adobe的Sensei GenAI,能直接導入新的創意生成式 AI 模型集 Firefly Adobe Sensei,支援內容個人化和編輯、行銷文案生成及對話式體驗等使用情境。


DALL-E 2:同樣出自OpenAI,是由GPT-3模型開發而來的AI繪圖軟體,能依據自然語意描述創造出擬真的相片或藝術圖片。


AlphaCode:出自Google DeepMind的AlphaCode可自主寫程式。


Autodesk的Generative Design:從汽車到建築業,各個行業的用戶,都能快速生成優化的高性能設計替代方案。


Synthesia:支援文字轉 3D 技術的開發,並且能生成大量擬真的照片。

2023年是生成式AI的爭霸之年。

經濟學人:過去的AI,需要倚賴人去標籤它,但是現在生成式AI這些大型的模組,你只需要輸入就能產生成果,它本身很善於模組的配對,你也能給予很多複雜的指令,然而缺乏透明性也是它的缺點。

儘管生成式AI在自我學習和資料處理方面展現出驚人的能力,但仍然需要人類的引導、訓練和監督其產出的偏差性與謬誤,以確保其成效和應用的合理性。在生成式AI優化過程,人類扮演了關鍵的主導角色。

在生成式AI優化過程,仍然需要人類的引導、訓練和監督。

圖片來源:Freepik

人機協作的廣泛落地應用:ChatBot VS. ChatGPT

1950年,計算機科學之父圖靈提問「機器會思考嗎?」(Can Machines Think?),距今隔了73年,聊天機器人能模擬人類的大腦、能進行對話式的生成內容等,但聊天機器人運作的方式其實非常多樣,取決於其軟體的複雜程度,接下來我們就來進一步了解,在這一波生成式AI戰役中目前的王者-ChatGPT,它也是 ChatBot的一種,亦即進化版的聊天機器人。

1.ChatBot-從模擬人類對話開始

標準聊天機器人(ChatBot)是由對話或文字進行交談的電腦程式,早期經典的聊天機器人有1966年的「ELIZA」與1972年的「PARRY」,近年的則有Apple的「Siri」和Amazon的「Alexa」。ChatBot能夠模擬人類對話,也具備實用性,像是客戶服務或是資訊獲取,市面上常見的ChatBot應用包括CRM個人化服務、即時顧客服務、導購、收費等。聊天機器人的應用範圍不斷擴展,包括醫療、金融、教育和許多其他領域。


有些聊天機器人會搭載自然語言處理系統,但大多簡單的系統只會擷取輸入的關鍵字,再從語料庫中找尋最合適的應答句,這也可見在許多即時客服機器人的應用上,目前,標準聊天機器多人被視為是虛擬助理。

聊天機器人的出現最早可以追溯到 1966 年 ,MIT實驗室推出 ELIZA。

圖片來源:Freepik

2.ChatGPT-訓練有素的大型轉換器

ChatGPT是「Chat Generative Pre-trained Transformer」的縮寫,與依賴預先編程回應的標準聊天機器人(ChatBot)不同,ChatGPT使用大量訓練來提供上下文有意義且符合邏輯的回應,可以理解語言的優雅,理解用戶查詢背後的目的,並提供相關的回應。


「ChatGPT 可以透過提供對知識的即時存取、推薦解決方案和自動化重複性工作來補充人類專業知識。」由於ChatGPT3.5結束數據訓練的時間點在2021年9月之前,因此資料收集也在這個時間點之前,不過目前已有外掛程式能克服這個弱點,只是在GPT-4與ChatGPT3.5的對比上,目前仍普遍認為,當任務夠複雜,差異就會出現,GPT-4更可靠、更有創意,並且能夠處理更細微的指令。

透過提示調整,人類可以優化ChatGPT生成內容,產生更有效率的人機協作。

小結:融入人們的日常生活助生成式AI大爆發

AI會取代人類的工作嗎?先看看它能幫我們節省多少時間吧!生成式AI的大爆發在於其與人類的協作密不可分,根據Salesforce調查,52% 的人表示他們現在比剛開始時更常使用生成式人工智慧,「使用「生成式人工智慧」平均每週節省 5 小時 x 一年內 52 週)/每天 8 小時工作日 = 平均每年節省 32.5 天或一個月以上。」


的確,如同賈伯斯一生所致力的「科技應該為人類帶來改變」的理念,又或是Mark Weiser說的「最偉大的技術是那些已經融入到日常生活從而漸漸消失不見的技術。」


偉大科技應在人們的生活中被廣泛應用,隨著程式端的越發成熟,和其他發展多年仍難以普及的高階科技相比,生成式AI是人人皆可上手的「虛擬助理」、大大改變我們的生活方式與創意應用,當OpenAI、Google、Microsoft等大企業爭相投入開發、優化生成式AI的激烈戰場,或許你我作為使用者皆是受惠者,多數程式人員認為,「使用GPT是效率問題,當然它有缺點,但GPT在其擅長處理的對話很不錯,也是它為什麼在今年能大鳴大放的根本,不然我們用一般ChatBot就好。」


與其擔心自己的工作會被AI取代,倒不如思考要如何善用科技助力、和超好用的虛擬助理進行人機協作的「智動化」分工。

人類在生成式AI的優化過程扮演了關鍵角色,也讓人機協作關係進階到新的里程碑。

圖片來源:Freepik

王一數位品牌誌|掌握線上客服系統3大優勢 訂閱電子報,最新資訊不漏接 立即聯絡王一設計 創造最佳的數位行銷
王一資深編

專業文章、深度報導都交給我!

HOT! 熱門文章