[研討會紀錄] 從基礎大模型看 AIGC 釋放創造 – 林居穎 Kyle

1 AIGC的歷程

AIGC 最早可以追溯到 1957 年 AI 生成的音樂：伊利亞克組曲。《2023 中國 AIGC 應用研究報告》將 AIGC 發展大致分成三個時期：AI生成音樂 (1950s ~ 1990s) 、 生成文本 (1990s ~ 2010s)、大規模圖像 (2010s ~ now)。

我們要怎麼解決 AI 亂回答的問題呢？

根據 Anthropic 推廣的框架－AGI HHH原則(核心)
Helpful 有用的（幫助使用者，使其滿意）
Honest 誠實的（真實的內容，沒有謬誤）
Harmless 無害的（正向，有道德規範內的內容）

GPT 如何讓回答(數據)越來越好？

• GPT 3.5
  • 數據層 專業標注人員數據；真實問答用戶數據 → 自動生成答案數據；真人排序的精品數據
  • 模型層 SFT (Supervised Fine Tuning) ← RM(Reward Model)
• GPT 4 (加強)
  • CLIP Contrastive Language-Image Pre-Training 對比式語言-圖像化訓練-如何讓 ai 看得懂你的圖片
  • CoT Chain of Thought：要求大模型展現他思考的過程

怎麼讓AI更像人？(從關注智商到關注情商)

人類的對人的認知：人格、特質、意圖、情緒，以石頭放眼睛為例，生命感其實是人類自己腦補出來的
認識人格（外而內）：末端行為，向上總結人的類型。人的表達（內而外）：從人的人格類型，向下約束末端行為。訓練 AI 的核心就在於如何整合人類（由外而內的、由外而內的行為）。

透過拆解出各項參數，來讓 AI 理解人類

2 AI 是怎麼生成圖像的

GAN 生成式對抗網絡

分別訓練生成器與判別器，生成器生成內容，判別器判別結果，當生成器生成內容可以通過判別器，就是一個完成的演算法。

Diffusion 擴散模型

利用高斯雜訊進行編碼，再用逆擴散的過程來生成。但逆擴散的過程其實非常不穩定，知名模型 Stable Diffusion 命名就是嘗試讓他變穩定

CLIP 對比式語言-圖像訓練

藉由圖像與描述內容是否匹配來訓練

到底如何才能控制好生成圖像，讓結果可控？

人類的產出是藉由經驗、理解力和需求，機器的產出則是透過數據集、模型 SFT 和 prompt ，兩者互相對應，

• 機器沒有沒有足夠的數據，就像人沒有經驗和技法。
• 人沒有理解力，就像機器沒有模型來解析資訊。
• prompt 下得不夠具體，就像甲方給出一些很模糊的需求一樣。

所以「先不要」像和人對話一樣和機器對話，用「,」逗號隔開訴求 ，並且「具體」的描述。因為 AI 現在在理解人類語言的多重暗喻隱喻是比較難的，好理解的版本「主體是什麼？」「色彩是什麼？」「環境、氣氛、燈光如何?」「構圖是什麼?」

3 如何訓練更好的模型

tips:好數據挑選/髒數據清洗

1. 產品/設計：訂標準
2. 數據/設計：標注
3. 算法/工程：預訓練
4. 設計/數據：驗收結果(不合格回到「2.標注」)
5. 算法/工程：大規模訓練

訓練有效模型的方法

會不會被 AI 取代？

講者將 AI 對比 1888 年攝影對藝術界的炸裂影響，繪畫界經歷了悲傷五階段：否認、憤怒、討價還價、沮喪、承認 ，承認之後，印象派、野獸派等等藝術風格依然蓬勃發展，講者感受目前設計界對 AI 認知大概在憤怒階段 (認為ai做得不怎樣)

4 AIGC 時代的設計師

Before AI 的設計方式
前期：查看 dribble、pinterest 尋找參考圖，透過用 AI、PS、figma 等工具的繪製草稿。
後期：以 AI、PS、Figma 等等工具完善細節。

After AI的設計方式
前期頭腦風暴、找靈感階段：除了素材網站、AIGC 網站直接生成草稿。
後期：細化完善/無須完善，AIGC 協助完整細節。

後Agent時代

AI 變成是幫你討價還價的代理人），給他目標即可，後面讓他自行完善
互動 API（點）—— 體驗 Agent（線）—— 服務 Multi-Agent（面）

5 AI的發展

• 1.0 智能學徒：具備單一aI技能，用戶主動透過 AI 完成任務（會議記錄、翻譯、問答）
• 2.0 智能助手：可如人類助手般，在單一領域完成多工複雜任務（產出會議摘要、整理文件、文件大綱）
• 3.0 智能顧問：協助人類進行決策（基於數據給決策）

對 AIGC 的期待與可能的演進

AI 產品就像汽車引擎，AI+ 可以附加在很多地方，就像把引擎用在汽車、卡車，或是 +AI 、通用型 AI 找應用方向，像是因為引擎而產生新的商業模式-  郵務、物流等等。

AIGC 讓每個人/機器都可以釋放創意。

對 UX 學習活動感興趣，歡迎繼續關注悠識學院，追蹤 IG 捕捉最新動態。