鑑別式與生成式AI相輔相成

圖一 : 工研院在2023年兩度召開「生成式AI產業高峰論壇」，號召各領域專家分別從GAI風潮下的領袖、產業發展思維，以及GAI產業應用發展機會與落地作法4大面向獻策，引領產業「乘風破浪」。（source：工研院）

[作者 陳念舜]

眼看2024年人工智慧（AI）即將成爲驅動全球經濟成長的動力之一，除了所需與算力相關的硬/軟體，與演算法、語言模型等先進科技，就連傳產中小製造業未來也有機會從中切入，提供獨有垂直領域和高品質的資料協作，以提高AI生成效率與準確性，同時優化生產製程與增加產品價值，加速AI平民化。

在工研院2023年兩度召開的「生成式AI產業高峰論壇」上指出，現今盛行的「人工智慧」（AI）名詞問世已逾60年，惟當時（1956年）僅訴求可讓電腦具備邏輯推論能力，執行接近人腦智慧的工作；直到1970年代推出的專家系統，才訴求能將人類智慧萃取出來教導電腦。並在1980年代的機器學習（Machine Learning）時期，開始讓電腦具備自主學習、改善能力，並延伸至特定領域，包含語音辨識、翻譯，或是醫療影像病變、產品瑕疵檢測等，較傾向學術研究課題。

進入1980~1990年代開始有企業加入相關研究，並先後發表AI語言模型、類神經網路等學術主題論文，卻也因爲企業發現投資效益不如預期，而導致AI話題曾在1990~2010年進入寒冬，包括學研界紛紛改以「深度學習」（Deep Learning）爲名，投稿發表論文。

隨着2016年AlphaGo橫空出世，擊敗圍棋界棋王，而被視爲近期AI發展最大突破。雖然近幾年來聲勢略減，即因爲棋類終究只是展現AI能力的娛樂工具之一，必須跨界投入商業化等更有生產力效益的場域，並驅動最新生成式人工智慧（Generative AI；GAI）技術發展。

鑑別式AI持續擴大應用生成式AI接力猛進

其中包括利用既有深度/機器學習等AI技術，可讓電腦進行大量有標註資料學習訓練，歸納出輸入資料特徵進行辨識、分類，而稱爲「鑑別式AI（Discriminative AI；DAI）」，包括產品瑕疵、人員及場域環境安全等，已大量爲企業導入使用。

圖二 : 除了目前熱門的GAI之外，另有讓電腦進行大量有標註資料學習訓練，進行辨識、分類，而稱爲「鑑別式AI」，已大量爲企業導入使用。（source：aiamigos.org）

加上目前吸收了來自網路、社交媒體時代的巨量數據資料，經過量變產生質變，再利用大語言模型（LLM），而造就更多自主創新GAI內容的能力，包括文字、圖像、影音、程式碼、3D模型數據等，目前較先導入於辦公室應用，將有助於提升工作效率，對產業影響巨大。

根據市場調研機構預測，2023~2028年將是GAI的快速成長期，全球應用市場規模將從2023年的62億美元成長至2028年的585億美元，年複合成長率達56%。工研院預估，2025年將有30%企業導入GAI技術，應用於文件生成、程式設計及對外營銷，包含製造、媒體、工程、國防、醫療和能源等領域將會第一波遭遇衝擊。

【欲閱讀更豐富的內容，請參閱2024智動化年鑑(採購指南)-AI人工智慧智動化Smart Auto雜誌】

2024智動化年鑑(採購指南)-AI人工智慧