之前寫過# 從 ChatGPT 看學習與對工程師的影響， 這篇文章原本想試著讓 ChatGPT 幫忙，給了兩篇自己的文章作為範例，再給出我規劃的文章架構，得到了一篇看起來有內容實際上什麼都沒說的文章，於是這篇文章還是得自己處理，這大概就是目前 ChatGPT 的極限吧！
運作原理
我花了一週左右的時間把 Stable Diffusion 和 ChatGPT 這兩個我比較有興趣的 Generative AI（生成式 AI）玩過，並且讀了幾篇文章，簡單來說 Generative AI 是一種「腦補」的軟體。
背後有許多論文跟技術原理我都沒有深入了解，可能會有點偏差。然而從多年開發應用程式（Application）的經驗來反推能做的應用，很高的機率會是用在解決「人工」的問題上。
為什麼這麼說呢？你可以想像有很多知識、資料，在過去我們需要透過學習吸收然後用某個神秘的方式統整到腦中，現在你要把這些東西以繪畫、寫作的形式輸出，我們就需要花費時間動手去做出來。
然而有了 Generative AI 之後，我們只需要「思考」就可以取用一個（可能是）全人類共享的資料庫，然後讓 AI 幫我們「補全（Completion）」這些已經知道的資訊。
已知與未知
我想這段時間大家都已經體驗過 ChatGPT 的厲害之處，然而要讓 ChatGPT 正確的運作，會需要滿足兩個條件：模型中存在、適當的提示。
首先，模型（Model）是這類 AI 處理的基礎，ChatGPT 這類屬於 LLM（Large Language Model，大型語言模型）也就是使用非常大量資料去訓練出來的語言模型，目的就是要可以使用「語言」
他表現出來的形式是以補全的方式進行，像是以「天空是」開頭，那麼很高的機率會得到「藍色的」回答，因為在 AI 的經驗中（模型）有很多「天空是藍色的」這樣的句子，因此在選擇的時候偏向以這種方式完成句子，再經過調整 ChatGPT 就能做出類似「對話」的效果。
那麼，當遇到模型中不存在的情況時，就只能根據已知的事物來進行補完。因此當我在寫針對 Generative AI 相關主題的文章需要補完時，就只會出現訓練模型當下的「介紹」而近期大量的討論就很可能不會被提取出來。
然而我們不能小看 AI 技術的發展，很快地就會有能夠連上網路使用工具輔助的模式出現，那麼獲取新資訊「總結」這件事情很快的就會出現。
創意為主
從 ChatGPT 或者 Stable Diffusion 的特性來看，他們都受到「已知」的限制，訓練都是仰賴人類過往的創作所構成的，因此無法突破創意的限制，即使隨機能讓這件事情有一點希望，但機率實在太低，人類本身的創造力可能還是更有效率的方式。
在 ChatGPT 所屬的 OpenAI 公司提供給開發者的模型介紹中，大致上給出這些模型具備這些能力：
- Davinci - Complex intent, cause and effect, summarization for audience
- Curie - Language translation, complex classification, text sentiment, summarization
- Babbage - Moderate classification, semantic search classification
- Ada - Parsing text, simple classification, address correction, keywords
基本上都是分析跟統整的能力為主，實際上要做到「創意」這件事情，至少在近期可能都是一件有挑戰的事情，甚至對人類來說創意也需要所謂的「機緣巧合」可能也跟隨機沒有太大差異。
然而，AI 提供的「生成」能力卻讓創作這件事情帶來一個很巨大的改變，也就是過去我們需要依賴「職人」去實現的一些事情，我們可以交給 AI 來實現，這就有點類似在工業革命之前想要製作一個家具需要去找工匠製作，有了機械之後就能夠快速量產標準規格的傢俱，在 Generative AI 的情況下可能也是這樣的。
像是我想寫一篇關於 Domain-Driven Design 的文章，因為過去數十年來有無數人討論過，那麼我使用 AI 輔助就可以輕鬆地把那些「大家都講過」的事情產生出來。但是，我是無法用 AI 去產生我自己獨特的觀點、突破性的想法，因為 AI 的模型中不存在。
我對未來的想像，專業的作家可能還是繼續寫作，因為 AI 只能模仿跟重組，那麼畫家會變成 AI 訓練的資料，這些畫家會創造獨特的風格去訓練 AI，然後再根據需求生成圖像，電腦繪圖中「畫技」可能就不是那麼重要的關鍵。
最後，工程師，就需要面對理解需求跟設計架構的問題，因為那些常見的「應用」都有人分享過對應的程式碼，也能夠被 AI 識別出來，想要做一個 Google 倒是不會發生，因為 AI 沒有那個機會看到 Google 的原始碼，也許開源軟體世界也會受到一個新的挑戰也說不定？