從生成圖像到諮詢人工智慧面試準備，你可能已經接觸過生成式人工智慧（Generative AI）的應用。
OpenAI的明星產品ChatGPT，以及諸如Google Gemini、Microsoft Copilot和Anthropic的Claude等優秀的ChatGPT替代品，都是生成式AI模型的典型代表。
生成式AI技術已經滲透到許多人的個人和職業生活中，成為不可或缺的一部分。但究竟什麼是生成式AI（通常縮寫為GenAI）？它與其他類型的人工智慧有何區別？其運作原理又是如何？如果你還沒來得及向ChatGPT提問，那麼本文將為你解答這些問題。
什麼是生成式AI？
或許有違我作為一名新聞工作者的職業操守，但在此，我還是決定求助於ChatGPT，讓它來定義生成式AI：
“生成式AI是一種人工智慧，通過學習現有數據的模式來創建新的內容，例如文本、圖像、音樂或代碼。它利用生成對抗網路（GANs）和轉換器等模型來生成逼真、類人的輸出，從而為藝術、設計、寫作和其他領域的創意應用提供支持。“
或者，更簡潔地說：生成內容的AI就是生成式AI。
雖然「生成式AI」一詞是近年才流行起來的，但其概念卻由來已久。早在20世紀50年代，計算機科學家亞瑟·塞繆爾（Arthur Samuel）就提出了「機器學習」這一術語，這可以看作是生成式AI的先驅。
儘管幾十年來人們不斷進行研究和探索，但我們今天所知的生成式AI，其最大的進展出現在十年前，這要歸功於工程師伊恩·古德費로우（Ian Goodfellow）開發的生成對抗網路（GANs，如上述定義中所述）。
緊隨其後的是2017年谷歌科學家提出的「轉換器架構」，這是當今最常用的生成式AI工具的基礎。
生成式AI的應用實例
如果你使用過像ChatGPT、Gemini、Copilot或Claude這樣流行的聊天機器人工具，那麼你已經體驗過生成式AI。例如，當你向它尋求餐廳推薦、論文寫作幫助，或是一封投訴房東的模板信時。
它的用途廣泛，從無傷大雅的娛樂（創作原創詩歌和歌曲，或生成夢幻般的圖像），到專業應用（創建演示文稿、設計產品原型、制定戰略），甚至有可能拯救生命（藥物發現）。
許多社交媒體趨勢——例如將自己可視化為玩偶，或將你的寵物狗變成人的圖像——都是生成式AI的產物。
然而，生成式AI也被用於不正當用途。「深度偽造」被用來傳播虛假信息、損害他人聲譽，或製造「裸照」進行性勒索詐騙。這正是生成式AI的迅速普及讓許多人擔憂的原因之一，尤其是在這項技術變得越來越逼真和易於使用的情况下。
生成式AI的工作原理
請放心，我不會深入探討概率建模和高維輸出的複雜性。實際上，簡單來說，你可以認為生成式AI模型執行兩個核心功能。
首要任務是從大量數據集中學習模式。這些數據集包括文本、圖像、網頁、代碼以及任何可以輸入到模型中的內容；這通常被稱為「訓練」。
然後，AI模型識別這些數據中的模式，有效地獲取知識和理解技術。例如，如果該模型被輸入了有史以來最偉大的100部恐怖小說，它將交叉引用這些數據，提取這些書籍共有的結構、語言、主題和敘事手法。
接下來，它將應用這些訓練來生成全新的內容。因此，當你要求ChatGPT計劃你的下一個假期時，它會提取它所收集到的所有信息，並使用一種叫做「學習概率分佈」的方法來撰寫回答。
對於書面回復，它通過逐字逐句的方式進行，利用其所掌握的數據來選擇句子中最合適的下一個單詞。或者對於圖像，使用基於轉換器的模型的生成式AI工具會接收它所見過的無數真實圖像的顏色和構圖。例如，要求Midjourney創建一個漫畫，它可能會考慮它之前接受過的訓練樣本，以生成準確符合要求的內容。
經常有人混淆「人工智慧」和「生成式人工智慧」這兩個術語。人工智慧是一個涵蓋所有形式人工智能的統稱。生成式人工智慧是人工智慧的一個分支，特指那些能夠生成內容的人工智慧工具。
IBM的國際象棋電腦「深藍」就是一個著名的例子，它在1997年擊敗了加里·卡斯帕羅夫（Garry Kasparov）——歷史上最偉大的國際象棋棋手之一。「深藍」使用所謂的符號人工智能來學習棋步、評估棋局並做出戰略決策，但它不能被歸類為生成式人工智能，因為它沒有創造任何新的東西。
另一個常見的非生成式人工智能的例子是判別式人工智能。它被應用於面部識別軟體，用於將你的智能手機相簿中的照片進行分組，或者識別垃圾郵件並將其從你的收件箱中隱藏。
因此，雖然像ChatGPT、Copilot和Gemini這樣的聊天機器人肯定屬於廣義的人工智慧範疇，但更準確地說，它們被歸類為生成式AI模型。
生成式AI面臨的挑戰
除了上面提到的生成式AI的惡意使用之外，生成式AI的其他缺點更多的是該技術工作方式的固有產物。這些模型的好壞取決於它們所接受訓練的信息。信不信由你，互聯網上存在大量過時、誤導或完全錯誤的信息——所有這些信息都可能被聊天機器人吸納，然後作為事實重新吐出來。這些錯誤也被稱為「幻覺」。
出於同樣的原因，生成式AI模型也可能陷入強化偏見或刻板印象的陷阱。正如ChatGPT本身給出的一個例子：「文本到圖像模型通常會將"護士"等職業與女性聯繫起來，而將"首席執行官"與男性聯繫起來。」
學術機構一直在絞盡腦汁地處理學生使用ChatGPT等工具來撰寫論文和畢業論文的問題。而它對創意產業構成的挑戰——生成式AI真的會讓作家、演員、音樂家和藝術家完全變得多餘嗎？——是一個永恆的爭論焦點。
生成式AI 帶來了重塑創意產業的潛力，也引發了對其對勞動力市場影響的擔憂。機器生成內容的能力引發了關於人類技能和創造力在未來經濟中的價值的重要問題。
超越炒作：生成式AI的未來軌跡
雖然圍繞生成式 AI 的討論通常集中在其功能和潛在陷阱上，但重要的是要考慮其更廣泛的影響以及塑造其軌跡的關鍵考慮因素。以下是需要考慮的一些重要方面：
道德考量和負責的開發
隨著生成式 AI 變得越來越強大，道德考量在指導其開發和部署中變得至關重要。偏見、虛假訊息和知識產權等問題需要認真解決，以確保以負責且符合道德的方式使用這些技術。優先考慮透明度、問責制和公平性對於建立對生成式 AI 系統及其輸出的信任至關重要。
人機協作
生成式 AI 的未來不在於完全取代人類，而在於增強人類能力和促進人機協作。通過利用 AI 的優勢來執行重複性任務、生成創意和提供見解，人類可以專注於需要批判性思維、情商和領域專業知识的更高級別的活動。這種協作方法可以釋放新的生產力和創新潛力。
產業轉型和新機遇
生成式 AI 有潛力顛覆各個產業，從醫療保健和金融到娛樂和教育。通過自動化流程、個性化體驗和釋放新的創意可能性，組織可以利用生成式 AI 來提高效率、降低成本並獲得競爭優勢。隨著企業適應這些技術，預計工作角色將發生轉變，創造需要專業知识來開發、部署和維護生成式 AI 系統的新機會。
技能提升和勞動力發展
隨著生成式 AI 越來越普遍，個人需要獲得新的技能和能力才能在不斷變化的就業市場中蓬勃發展。重點應放在培養諸如批判性思維、解決問題、創造力和溝通等技能上，以及對 AI 道德含義和負責使用方式的理解。技能提升和培訓計畫可以幫助員工適應新的工作角色，並利用生成式 AI 帶來的機會。
應對挑戰和減輕風險
生成式 AI 並非沒有挑戰和風險。應對偏見、虛假訊息和濫用等問題需要多方面的努力，包括技術保障措施、監管框架和公眾意識活動。持續監控和評估生成式 AI 系統的影響對於識別和減輕潛在的負面後果至關重要。
結論：擁抱負責的創新
生成式 AI 代表著科技進步的重大飛躍，為各個產業和個人帶來了巨大的潛力。通過解決道德問題、促進人機協作、擁抱產業轉型、加大技能提升力度以及應對挑戰，我們可以釋放生成式 AI 的全部優勢，同時減輕其風險。隨著我們繼續探索生成式 AI 的可能性，至關重要的是以負責、以人為本和具有前瞻性的心態來對待創新。