生成式 AI 技術的發展帶領科技應用進入一個革命性的階段，因應此重要趨勢，日前臺大系統晶片中心（NTU System-on-Chip Center, SoC Center）特別舉辦「生成式 AI 技術-ChatGPT 與應用論壇」，邀請學界及業界的專家，共同探討生成式 AI 技術的未來發展與系統規劃，盼能協助台灣及早做好市場佈局，掌握生成式 AI 的未來商機。
生成式 AI 與傳統 AI 的差別在哪裡？
國立臺灣大學資訊工程學系教授陳縕儂首先說明傳統 AI 與生成式 AI 的差異。她表示，這兩者在運作邏輯上有著很大的差異。傳統 AI 為抽取式（Extractive），當使用者想要的資訊不存在時，系統就不知道該如何處理，這也是為什麼許多人覺得聊天機器人常答非所問的原因，因為當使用者問的問題，是聊天機器人之前沒有看過的問題，機器人就不會回答。
而生成式 AI 則不會有這類的困擾，即便使用者需要的資訊不存在，系統也能產出一段內容，只是這段內容可能正確性不高，因此使用者就必須結合自身的專業知識加以判斷，不是全盤接受。
陳縕儂認為，生成式 AI 的未來發展上有 3 大趨勢，第一、加深特定領域的專業知識；第二、運用大語言模型生成出來的資料來訓練小 AI 模型，讓企業可以把小 AI 模型放在邊緣端，不只降低成本更能確保安全性，第三、人機協作，無論 AI 技術進步有多快，都不會取代人，人永遠是 AI 應用的核心。
以負責任 AI 為宗旨，降低創新應用的風險和危機
台灣微軟首席技術長花凱龍博士也認同人機協作的必要性，像微軟已經將 ChatGPT 技術整合至自家解決方案，協助使用者提高工作效率。舉例來說，微軟 Office 工具在整合 ChatGPT 技術之後，使用者可以用自然語言對話的方式，請系統自動幫用戶製作一份簡報，又如搜尋引擎 Bing 整合 ChatGPT 技術之後，ChatGPT 在回答使用者問題前，可以先去搜尋網路資料，讓回答更精準。
另外，花凱龍也強調負責任 AI 的重要性。企業應用 ChatGPT 雖然可以帶來很大的幫助，但也同時存在著風險，必須要有適當的規範，才能降低風險。微軟在數年前就成立了負責任 AI 中心，並提出六項 AI 開發及應用準則，包括公平性、可靠性、隱私及安全性、多元性、透明性及權責。同時，微軟也提供相關工具，如：Responsible AI Toolbox、HAX Tookit 等，從初期評估、中期驗證、到後期產品開發測試，協助企業確保開發出來的 AI 應用不會帶來風險和危機。
不只文字對話，生成式 AI 在電腦視覺具龐大應用潛力
NVIDIA AI 研究總監王鈺強博士站在電腦視覺應用的角度，分析生成式 AI 技術未來的發展。生成式 AI 不是只能產出文字對話，也可以產出 2D、3D 影像或影片，其中，Google 在 2017 年提出的 Transformer 模型，可說是生成式 AI 應用的起點，不只可以處理文字訊息，在電腦視覺領域也能有很多不同的應用型態，如：影像辨識、影像切割、物件偵測等都有很好的效果。
為了加速生成式 AI 的發展，目前 NVIDIA 正在進行以下幾種研究，包括讓 AI 產出文字與影像結合的答案、使用者輸入文字，AI 產出影像或使用者輸入影像，AI 產出文字，甚至是讓 AI 在回答時可以說明原因，例如：某一家的小籠包很新鮮，因為食物都是師傅現包現蒸。
王鈺強認為，無論語言或視覺的生成式 AI 模型，在各方應用上都有許多需求，也有很多待被克服的挑戰，但在可預見的未來，生成式 AI 應用一定會落地於各行各業，而隨著 AI 模型越來越大、訓練資料越來越多，相關的軟硬體都必須得做最佳化設計，提昇運算效率，讓資源做最有效的利用。對此， NVIDIA 也將持續與更多的企業、學界和研究單位合作，共同擴大 AI 生態圈。
運用生成式 AI 技術，讓人腦用在更有價值的地方
AWS 專業領域架構師楊仲豪分享 AI 應用的可能性。他指出，AWS 從多年前就開始發展 AI 應用，也將發展成果分享給外界，並協助企業發展生成式 AI 應用，像新創公司KKLab 科科實驗就使用了 AWS 的服務，打造歌曲填詞 AI 工具，只要輸入創作主題的關鍵字、指定韻腳、選擇文風類型，便能自動生成歌詞文句。
「對企業來說，生成式 AI 技術最大的幫助在於，讓員工可以把時間花在更有意義的事情上，不只能提高生產力也更有價值感，」以亞馬遜為例，楊仲豪說，過往員工整理商品資料和圖片再上架到平台，必須搭配個性化推薦、搜尋排序優化等決策型 AI 模型，才可達到精準行銷、讓商品有爆賣機會的目標。
但這種做法卻一直存在著瓶頸，就是需要人力去整理圖片，如：去背、去淨水印等，員工會感到沒有價值，且人力也不好找，因此 AWS 則透過生成式 AI 技術發展圖片去背功能，降低人力整理資料的時間，還能快速生成適用不同行銷主題的素材，讓人腦用到更有價值的地方。
善用外部資源，滿足生成式 AI 運算需求
臺大 SoC 中心教授洪士灝說明生成式 AI 運算架構的兩大規劃重點，第一是軟硬整合，由於生成式 AI 對運算資源的需求很大，所以軟硬體要密切合作才能讓資源運用最佳化。第二則是使用高速網路做為骨幹，連結許多計算節點達成高效能計算（HPC）。因為生成式 AI 模型的訓練參數多，對記憶體要求極高，必須使用多顆晶片平行運算，所以一定要透過高速網路把各節點和 CPU 接起來，才能快速的交換資料。
洪士灝建議企業在發展 AI 應用時，不一定要自建系統，可以善用公有雲平台的資源，甚至不一定只能選擇 AWS、微軟等國際雲服務供應商，像台智雲的高速運算服務（AIHPC），提供台灣最大的 AI 高速 GPU 運算雲端資源，且價格實惠，是 CP 值相當高的選擇。
可見生成式 AI 雖然還在起步階段，但隨著投入研究的組織和企業越來越多，相信未來會有更多的發展，如：將現今通用式 AI 聚焦於不同領域的專業 AI 模型，台灣企業應及早佈局，掌握生成式 AI 的龐大商機，在瞬息萬變的科技產業中搶占一席之地。
