什麼是生成式人工智慧？（下）│未來的發展方向
透過前述曾提及的發展階段以及實際應用的案例，或許能夠漸漸地感覺到生成式人工智慧在人類生活中發展的潛力，甚至能夠開始想像部分的瑣碎工作將能夠由人工智慧「代筆」。
根據長期投入生成式人工智慧的《紅杉資本》剖析，生成式人工智慧並非完美，也仍然有些許地方能夠進行調整與改善；同時，據其所述，這項技術的發展雖然已經將近十年，但是在人類生活中的運用才是開始而已。
就生成式人工智慧目前發展，《紅杉資本》的文章揭示了幾項能夠改善的地方：
- 智慧和模型微調
生成式人工智慧的應用程式是構建在 GPT-3 或 Stable Diffusion 等大型模型之上。隨著這些應用程式獲得更多的用戶數據，他們可以微調他們的模型來達到幾項目標，包括：針對特定問題提高模型的品質與性能、減少模型的成本與尺寸。進一步地比喻，我們可以把使用者介面以及大型通用模型視為「大腦」，並把生成式人工智慧的應用程式視為其中的「小腦」。
- 構成要素
如今，生成式人工智慧的應用程式主要是以軟體的插件做為應用表現，像是把圖像生成運用在 Adobe Photoshop 或是 Mijourney 是透過在 Discord 的插件上表現一樣。當然還有些許獨立存在的生成式人工智慧應用程式，例如：用於文案的 Jasper 和 Copy.ai、用於影片剪輯的 Runway 和用於記筆記的 Mem。
在克服用戶數據以及模型品質的先後順序上，插件的概念扮演了關鍵的角色。也就是先認知到這個亙古以來「先有雞、先有蛋」的問題後，才能先確認是否先獲得足夠數據，還是先設計能夠吸引用戶的模型。
- 互動範例
目前的生成式人工智慧的應用程式多數都是「一次性完成的」。也就是說，我們提供一個輸入項，機器人會生成一個輸出項。隨後，我們能夠選擇保留或是丟棄，然後再反覆地操作。這樣的操作模式使得模型越來越具有迭代性，換言之，可以透過輸入與輸出來進行對於不同差異之間的修正、改善、升級與生成。
像是部落格的文章或是程式語言的設計，都並非一蹴可幾，需要透過多次的修正與設計才能夠獲得最終的結果。透過生成式人工智慧的協助，可以在創作過程中提供建議或是創意發想，都會使得模型本身變得更加智慧，也會透過用戶的回饋產生更多數據，並且更加地改善人工智慧所提供的草稿、原圖，甚至是產品的最終樣貌。
- 持續的分類領導
最好的生成式人工智慧公司可以透過在用戶的參與、數據以及人工智慧模型性能之間的不斷運作，而獲得更多永續的競爭優勢。這樣的運作好比循環系統，一次一次地運轉：（一）高度的用戶參與、（二）將用戶參與轉化為好的模型性能（包括即時改進、模型微調、根據用戶回饋作為模型訓練的數據）、（三）以優秀的模型性能來帶動更多的用戶與參與度。
當然，任何事情都是一體兩面的，有發展潛力也就會有發展風險。儘管生成式人工智慧的發展潛力是有目共睹的，但是就商業模式以及技術方面仍有諸多問題尚待解決，例如：版權、信任、資訊安全以及成本等問題。
目前為止，生成式人工智慧的平台才剛建立完成，應用的階段也只見其苗芽。這些模型將能夠支持部落客文章的初稿生成或是品牌標章的草圖產出，也期待在未來能有更多具有價值的作品的產生。第一波的生成式人工智慧應用程式，跟蘋果早期剛推出 iPhone 一樣，有點噱頭但是又似乎太過於薄弱，在競爭差異化與商業模式都尚未鮮明。
但，我們都能夠想像，在未來會有一台機器能夠產出複雜的代碼、設計程式，或是一幅工筆精緻的作品，甚至是能夠透過生成式人工智慧來協助完成日常生活中、專業領域中的各項任務。（編譯／戴偉丞）
延伸閱讀：人工智慧「創作」作品 生成式AI在矽谷逐漸抬頭
科技評論：Midjourney 人工智慧可以打敗藝術家嗎？｜專家論點【朱楚文】
資料來源：SEQUOIA
瀏覽 795 次
