【2023年CIO必看10大趨勢：趨勢1】生成式AI應用大爆發，從企業商用走入更多個人端工具

生成式AI在2022年大爆發，一些科技大廠開始在自家服務嵌入生成式AI來優化體驗，也有龍頭業者直接打包成產品來供企業使用。生成式AI的應用領域，也從過去的特定用途，走向更廣、更通用的領域。

生成式AI大爆發，看見更多可能性

生成式AI並非這1、2年才出現，而是發展已久的技術。早期的代表架構是生成對抗網路GAN，由一套生成器和鑑別器組成，透過互相競爭來提高產出品質。它最早在2014年出現，代表案例有Nvidia用來生成自駕車訓練資料（如街景環境），他們也打造GauGAN來生成藝術畫作。但GAN有著難以控制生成品質的劣勢。

2017年，另一項架構Transformer橫空出世，它由Google設計，雙向預測能力加上注意力機制，大幅拉高文字處理能力，成為自然語言處理分水嶺。許多著名應用都以它為基礎，比如專精文字理解的Google BERT、善於生成文字內容的OpenAI GPT-2和GPT-3，以及可寫程式、可根據文字生成圖像、可創作各式文字內容的ChatGPT。不過，Transformer的出現也揭開大型語言模型時代，模型參數動輒上百萬、上千億，開發者需要大量資源才能訓練。

另一種代表性架構是去年興起的擴散模型（Diffusion model），特別擅長文字生成圖像，甚至連音檔、影片、3D模型、蛋白質結構等都能生成。OpenAI打造的大型文字生成圖像模型DALL-E、DALL-E 2、GLIDE，以及Google的Imagen都是擴散模型代表案例，而Midjourney、Stable Diffusion這類畫作生成軟體，也都以擴散模型為基礎。這些架構的興起和成熟，不只代表AI生成能力更上層樓，大眾也看見更多可能性。

這些讓人驚豔的可能性，也開始在企業可用領域現蹤。一些科技龍頭開始利用生成式AI來優化自家服務，比如微軟和GitHub聯手推出的程式碼撰寫工具GitHub Copilot，能根據使用者撰寫程式碼的內容，來推薦相應的程式碼，提高工作效率。又或是Nvidia在自家醫療AI框架Clara中，上架一套生成式模型MegaMolBART，可讓使用者用來產生前所未見的分子，進行新藥探索。另一個例子是Salesforce在上個月利用文字生成技術，打造一套摘要工具AI Summarist，能替使用者在企業通訊軟體Slack中，自動摘要重要訊息。

甚至，一些雲端大廠如微軟、AWS、Nvidia也推出套件和開發框架，來支援生成式AI模型開發和訓練。這些生成式AI優化的服務和工具，讓使用者以低成本就能享受高價值應用。

生成式AI商品化更進一步，開始出現個人端工具

還有一種做法是，科技業者直接將生成式AI打包成產品，來供企業或個人使用者使用。比如，微軟採用OpenAI的DALL-E 2模型，在上個月推出文字生成圖像AI軟體Microsoft Designer，使用者輸入簡短文字，系統就能產出相對應圖文內容，並提供幾種可編輯的圖文排版，來供選用。該服務目前為免費預覽版，未來將納入微軟訂閱服務Microsoft 365的應用程式中。

另一個例子是美國行銷文案新創Jasper AI，利用生成式AI模型，來提供部落格文章、行銷文案和社群貼文生成的服務。Japer AI近日也新添文字生成圖片功能，使用者輸入形容詞就能產出圖片。

而Line這2年也不斷宣傳自家企業級服務HyperCLOVA，以Transformer為基礎，可讓企業用來生成行銷文案，甚至對想要打造NLP的企業來說，還能用HyperCLOVA來生成文字訓練資料。

除此之外，坊間也出現不少開源的生成式AI工具，如簡報生成、論文摘要、文案故事生成等，來供一般大眾使用。

這些例子，意味著生成式AI的技術落地可行性和普及性，越來越多非專家使用者也能使用。

下一步：生成式AI的合規性

生成式AI遍地開花的同時，也有不少問題要解決。比如，GitHub Copilot去年就遭集體訴訟，陷入程式碼使用的版權爭議，此外也有藝術創作平臺，反對圖像生成AI使用自家平臺作品。

生成式AI商用之路充滿挑戰，但Adobe有套做法值得借鏡。Adobe旗下素材圖庫Adobe Stock日前宣布，允許使用者在平臺販售AI生成的藝術作品，但前提是，使用者必須標記AI生成內容並取得相關授權。甚至，Adobe還承諾，若出現知識產權糾紛，Adobe將給予賠償。這個賠償做法，替企業採用生成式AI面臨的可能困境，提供一種解方。

 相關報導