Soft & Share

原文 : Large Language Models (LLMs) vs. Generative AI: What’s the Difference?

💡 加深對大型語言模型（LLM）和生成式 AI 的理解，並探索它們在各個行業的應用。

大型語言模型 (LLM) 有助於建構生成式 AI 應用。兩者之間的主要區別在於，生成式 AI 專注於基於訓練數據生成新內容，而 LLM 則專注於從資料中學習和解釋數據，從而產生可靠的文字輸出。作為開發者，您將使用海量資料訓練 LLM，該模型會對資料進行解釋和分析，以幫助生成式 AI 應用程式創建內容，並像人類一樣回應使用者的查詢和提示。探索 LLM 和生成式 AI 的基礎知識，了解它們的關鍵應用，並深入了解它們的潛在優勢和劣勢。

大型語言模型 (LLM)

LLM 是一種深度學習模型，需要使用大量資料進行訓練。訓練完成後，它們能夠理解文字輸入並產生可信的文字輸出。建立 LLM 時，您將使用機器學習 (ML) Transformer 模型，這是一種神經網路。這些模型無需人工干預即可學習，可以幫助您回答問題、總結資訊、翻譯語言等等。

LLM 的用途是什麼？

LLM 專注於開發基於文字的內容，並應用自然語言處理 (NLP) 技術為聊天機器人和虛擬代理程式產生類人回應。在部署之前，您需要執行以下幾個步驟來建立 LLM：

任務說明：明確您的LLM將執行的任務，並設定清晰的目標。
模型選擇：建立您自己的模型或使用現有模型。
模型採納：實施快速的工程設計、微調與回饋機制。
模型評估：持續評估您的模型，以獲得最佳輸出。
模型部署：模型最佳化完成後，即可部署。

LLM 的一些例子包括 OpenAI 的 GPT-3.5 和 GPT-4，它們是用於實現 ChatGPT 任務並產生文字輸出的模型。

LLM 的優勢

使用 LLM 的一些優點包括：

高效的文本生成：您可以使用語言學習模型 (LLM) 快速分析和解讀數據，並根據問題和提示產生可靠的文字輸出。
持續改進：LLM 在處理新資料的過程中不斷學習和進行模型訓練，持續提升效能。
靈活性：LLM 功能豐富，包括文字摘要、翻譯和文字生成，因此用途廣泛且靈活。

LLM 的缺點

使用 LLM 模型的一些缺點包括：

幻覺：如果使用錯誤或不準確的資訊訓練邏輯邏輯模型（LLM），它們可能會產生幻覺。當 LLM 產生錯誤輸出，向使用者傳播不實資訊時，就會出現幻覺。
安全風險：部分使用者可能會與 LLM 分享機密個人資訊，如果其他使用者提出要求，這些資訊可能會被洩露。
擴展性難題：由於 LLM 需要使用海量資料進行訓練，因此維護和擴展 LLM 可能非常耗時且耗力。

生成式 AI

生成式AI 是一種人工智慧形式，它利用深度學習模型產生高品質的內容，例如圖像和影片。生成式 AI 應用利用訓練資料來開發新內容。摩根大通美國企業軟體研究主管馬克‧墨菲表示：「生成式 AI 是近幾十年來最重要的技術發展。它正在迅速實現人們曾經認為不可能實現的應用場景，而且它只會變得越來越聰明。」

生成式 AI 有哪些用途？

生成式 AI 應用可以產生各種形式的內容，包括文字、圖像、視訊、音訊、程式碼以及其他各種媒體形式。生成式 AI 應用包含多種架構，例如生成對抗網路 (GAN) 和變分自編碼器 (VAE)。 GAN 可以透過使用者的文字提示產生逼真的圖像和影片。變分自編碼器 (VAE) 是一種模型，您可以利用它基於訓練數據（例如圖像）創建新數據，並應用於各種其他 AI 應用。 ChatGPT、Google Cloud 的 Gemini 和 DALL-E 2 都是生成式 AI 應用的範例，您可以使用它們來創建各種形式的內容。

生成式 AI 的優勢

使用生成式 AI 的一些優點包括：

創意創新：生成式 AI 應用可以幫助您快速且有效率地進行腦力激盪並開發新想法。
跨領域應用：生成式 AI 可應用於各種主題和產業，包括 AI 開發、行銷和平面設計。
獨特多樣的輸出：生成式 AI 可以產生各種輸出，包括角色、環境、藝術作品、簡報、影像等等。

生成式 AI 的缺點

使用生成式 AI 的一些缺點包括：

缺乏可信度：由於生成式 AI 應用無法驗證其輸出結果，因此其產生的數據和資訊難以驗證和確認其可信度。
資訊過時：開發者通常使用帶有截止日期的資料訓練來產生式 AI 模型，這意味著如果模型未能及時更新，則可能提供過時的資訊。
抄襲風險：生成式 AI 應用經常轉述和重複來自各種網站的信息，而不提供來源，這可能導致潛在的版權侵權。

LLM 與生成式 AI：其他需要考慮的因素

所有 LLM 都是生成式 AI，但並非所有生成式 AI 都是 LLM。作為開發者或用戶，重要的是要理解生成式 AI 和 LLM 都基於訓練資料生成新內容；然而，生成式 AI 的功能範圍更廣。例如，生成式 AI 應用程式可以創建各種類型的內容，例如視訊、圖像和音頻，從而產生多種形式的媒體。另一方面，LLM 僅生成文本，因此非常適合開發聊天機器人和虛擬代理的對話等任務。如果您使用這些模型，則會更專注於基於文字的互動。根據專案需求，您可能需要在兩者之間進行選擇，或結合它們的功能來實現更廣泛的應用。

透過 Coursera 探索更多關於大型語言模型 (LLM) 和生成式人工智慧 (GEN) 的知識

大型語言模型和生成式 AI 有許多相似之處，但也存在一些關鍵差異，包括它們的內容生成能力和應用領域。透過 AWS 與 DeepLearning.AI 合作的「採用大型語言模式的生成式 AI」課程，在 Coursera 上深入了解大型語言模型和生成式 AI 的基礎知識。

註 : Soft & Share 是 Coursera 的聯盟夥伴. 此文由 Coursera 提供