用過ＡＩ繪圖幫自己畫張美美的頭像嗎？想過Google搜尋怎麼搜到圖？或是在Facebook貼照片結果被「這是ＸＸＸ嗎？」的標註提示嚇到？還是對ChatGPT能寫文章感到訝異？

在資訊大量流通的時代，各式各樣的訊息在網路上流動，諸如文字、圖片、影音等等，然而這些大量的資料又要如何產生關連性，又或是轉換成不同的內容呢？若只是要一個概略的回答，大概十之八九會得到包含「ＡＩ」的字句，那麼ＡＩ又是什麼呢？從字面解釋，就是Artificial Intelligence人工智慧的簡寫，從英文意譯的話，那就是「人造模擬的智慧內容」，也就是說，人工智慧可看作為是藉由各種方式去模擬人類所做的各種行為，並期望達到與人類相似或針對特定方面加快效率的各種技術。

而在人工智慧中，所謂的機器學習便是藉由電腦或是機械去模擬人類學習的方式，來達到特定的目標或是解決特定的問題。而在模擬學習的過程中，則需要大量的資料來幫助學習，如同人在學一樣新的內容時，也會需要大量的資料與練習來輔助習得。以Facebook的照片標註系統為例，只要曾經標註過某個使用者的照片幾次，之後若有同樣使用者出現的照片，便能自動辨認出來並提供建議標註，且此建議標註的能力會隨著照片標註得越來越多而更加精準，當然反過來說，可能也有些人會覺得原本並不想將自己臉部的資訊暴露。曾有朋友為了不讓自己的臉部資訊暴露，所以不會上傳任何跟自己有關的照片，也請我們盡量不要標註他來增加可能構成他臉部資訊的圖像，然而就像是我們認得一個人一樣，Facebook的系統也是藉由不斷的「介紹」某個人的「樣子」是什麼樣子而漸漸的「認得」這個人。

諸如此類的學習過程，隨著資料流通與儲存的大幅進步以及電腦計算能力的增強，現今的機器學習所能習得，甚至能加快效率的各種內容也漸趨多元化。從早期相機才有的臉部辨識，到現在手機不但可以辨識、甚至在經過疫情時代後，連墨鏡或口罩等遮蔽物也不影響辨識，又或是像早期上傳繪圖的黑白線稿後，可自動使用AI上色的PaintsChainer (現名：Petalica Paint)、近年在設計、美術與繪師之間討論熱烈的AI繪圖 (ex: Midjourney, NovelAI)，到今年火熱討論的ChatGPT，不論某些在使用上造成爭議的行為，這些AI應用下的產物所能做到的事情再再驚艷了四方。而從機器學習的角度來看，也是由於現今資料越來越大量的可儲存與可處理，如AI繪圖藉由收集大量以及各方面的美術資料來習得一套屬於它自己的圖象產生方式，也因此在各代或各種不同的AI繪圖方法之間會根據它們目前所得的資料內容，以及設計者設計整體學習或圖像架構的方式不同而有所不同，像是原本曾經獨具風格較似繪本或海報風格的繪圖AI，在開放給使用者使用的同時，也藉由大家上傳的圖像不斷更新，反而到後來畫出的圖漸漸偏向較受大眾歡迎的日式動畫風格，這些都是根據資料不同而有所變化的實際範例。

因此，在讚嘆AI的強大能力之餘，想一想機器的學習方式，以及其如何模擬人們的學習方式還有受到人們提供的資料與學習架構影響，是否也覺得不是那麼遙遠呢？

文 / 資料科學暨大數據分析與應用學系 郭珈妤老師
圖 / Photographer / vectorpouch 

出版 / 2023年3月7日