產業追蹤／衝刺生成式AI 三議題聚焦

生成式AI技術迅速發展，2024年2月，OpenAI在官網上發布48段1分鐘長的生成影像，展示最新的文字轉影片模型Sora，這個模型不僅可以將文字轉換為影片，還可以編輯圖片和影像，甚至延展影像時間軸。

新創公司Cognition在今年3月推出虛擬工程師Devin，除了能提供程式編寫建議，還能獨自完成整個軟體或網站開發。這些進展顯示，生成式AI技術正逐漸向具有人類智慧行為的「通用AI」發展，預計將引發新一波生成式AI熱潮並促進多元應用。

根據CB Insight數據，2023年全球AI投資較2022年下滑10%，然而針對生成式AI新創公司的投資卻不減反增，金額達到204億美元，比前一年增長近六倍。特別是像OpenAI、Anthropic、Hugging Face等獨角獸新創公司吸引大量資金，持續帶動投資。隨著資金和技術逐步到位，生成式AI的發展方向也將從「通用模型」轉向「企業專用模型」。

為鼓勵我國產業投入生成式AI、大語言模型、數位孿生等前瞻技術，經濟部產業技術司持續推出多項AI相關計畫，如爭取免費提供AI超級電腦「Taipei-1」的部分算力給產官學研與新創進行研發使用，並持續推動「領航企業研發深耕計畫（大A+計畫）」等，支持中小企業與新創導入AI應用，帶動積極帶動台灣成為全球AI產業生態系的重要夥伴。

在全球生成式AI浪潮下，各行各業都希望引入技術來提高生產力。不論是先進的IT公司、通訊及媒體企業還是傳統產業，許多企業已開始嘗試將生成式AI應用在各種流程中，以期開發出更高效、符合業務需求的系統。

不過，雖然生成式AI受到廣泛關注，但也引發不少擔憂，包括資料隱私、透明度、幻覺（誤導性資訊）、假訊息、過度信任等風險，因此，國際上也出現「主權AI」的概念，希望透過國家政策發展符合當地社會習慣和文化的大語言模型，進一步推動國家和企業發展。以生成式AI的企業應用而言，仍需留意三大議題，包括「垂直應用資料隱私保護」、「改善大型語言模型幻覺」及「模型客製化方案評估」。

首先，有關「垂直應用資料隱私保護」，生成式AI的基礎包括資料、演算法和運算力，其中資料是決定生成式AI推論的重要關鍵，可以透過在訓練過程中使用隱私強化技術來保護企業的機密資料。例如，以真實資料為基礎再運用深度學習架構，產生與真實資料相似的「合成資料」；或者在資料中加入雜訊，降低真實資料的機敏部分；也可以共享模型，讓多機構間共同訓練AI模型的「聯合學習」來避免企業機敏資料外洩。

其次為「改善大型語言模型幻覺」，目前生成式AI常見的幻覺，如回答不符合事實或不存在的答案、答非所問、內容邏輯錯誤等。而幻覺（Hallucination）的產生，是因為受限於歷史訓練資料，當遇到即時性的問題，容易出現錯誤資訊。

解決辦法之一，是透過「提示微調（Prompt Tuned）」，在不改變模型參數下調整提示，引導特定內容輸出，降低幻覺發生機會；另一個方法是「檢索增強生成（Retrieval-Augmented Generation, RAG）」，以檢索外部資料庫，切分提示的單字、語句，再搜尋關鍵資料生成回答。面對資料即時性高、客製化程度高的問題時，就需要兩者相輔相成，持續優化垂直領域的應用需求。

最後則是「模型客製化方案評估」，常見的四種實務做法成本從高到低依次為：投入大量資料和運算力的「從頭訓練（From Scratch）」、在預訓練模型上加入特定資料的「微調（Fine Tuned）」，以及前述的「檢索增強生成（RAG）」和「提示微調（Prompt Tuned）」，企業可評估自身需求選擇最合適的做法。

（作者是經濟部產業技術司ITIS計畫團隊成員）