「大數據分析」一詞已經不再是陌生的名詞，而人工智慧應用於資料分析的技術也日異月新，形成你我熟知的分析式人工智慧 …

「大數據分析」一詞已經不再是陌生的名詞，而人工智慧應用於資料分析的技術也日異月新，形成你我熟知的分析式人工智慧或是傳統人工智慧。現在，除了分析之外，人工智慧也能夠進行「創造」的行為，這樣的技術至今已經越來越廣泛；然而，在日常生活的運用，才剛揭開序幕。

根據《紅杉資本》（Sequoia Capital）的介紹，所謂生成式人工智慧（Generative AI）的技術規模已經變得更快速且更便宜，在某些狀況下的創作品質更超越了人類手作，並會在未來於每個需要進行創作的領域，大幅度地改變遊戲規則，甚至取代人力。此技術的願景，是藉由生成式人工智慧將創作與知識工作的邊際成本降至趨近於零，進而括勞動生產率與經濟價值。

這家投入於生成式人工智慧的公司將該技術的發展切分為四個階段。

• 第一波：小型模型、至高無上（2015年之前）

這個時期，小型模型被認為是語言理解技術的「天花板」，除了擅長分析任務，且能在貨運公司的工作上進行有效運用，不過在產出或是創作方面，還仍在發展階段。

• 第二波：規模競賽（2015年至今）

以 Google Research 的一篇論文（Attention is All You Need）作為分水嶺。其中描述了一種新型的自然語言認知的神經網路架構，稱為轉換器（transformer），它可以生成高品質的語言模型，也具有更高的可並行性，同時模型的訓練時間明顯減少。

隨著模型逐漸擴增，人工智慧的水準漸漸地從與人類水準並駕齊驅，再到超越人類的層級。在這個階段，人工智慧在手寫、語音、圖像識別、閱讀理解以及語言理解方面已經有超越人類的水準了。例如： OpenAI 的 GPT-3 已經可以從代碼產出帶有黑色幽默的笑話了。

儘管技術規模仍尚未廣泛，且作為雲端服務的成本仍然偏高，但是生成式人工智慧已經開始加入了這個領域的戰爭。

• 第三波：更好、更快、更便宜（2022年以上）

時至今日，運算成本變得相對便宜。諸如擴散模型（diffusion models）的新型技術充分降低了模型訓練和進行推理所需的成本。在這個趨勢下，研究人員能夠持續研發更好的演算法以及更龐大的模型。對於一直無法獲得大型語言模型（Large Language Model）的開發人員來說，這扇大門已經敞開，可以提供更多的探索與應用開發。

• 第四波：殺手級 APP 出現（現在）

隨著平台層的鞏固，模型繼續發展得更好、更快、更便宜，模型的訪問也趨向於免費和開源，更重要的是應用層已經成熟，可以激發更多的創造力。正如當今不同的設備透過 GPS、鏡頭和無線傳輸等新功能產出新的 APP 一樣，《紅杉資本》預計大型模型的開發將會刺激新一代的生成式人工智慧 APP。（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】

什麼是生成式人工智慧？（中）│技術的應用才剛開始

什麼是生成式人工智慧？（下）│未來的發展方向

資料來源：SEQUOIA

這篇文章 什麼是生成式人工智慧？（上）│「創作」技術的四階段 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。