2022 AI 回顧

今天（12/17）回顧 2022 年，發現有很多 AI 的突破，讓我備受感動！以下就來盤點一下幾個我覺得很厲害的產品。

（全能）自然語言處理模型 — ChatGPT
AI 繪圖 — Stable Diffusion
蛋白質模型預測 — AlphaFold2
核融合的溫度維持
戰略遊戲 — CICERO
古希臘歷史文本判讀 — Ithaca

ChatGPT¶

今年最後一個月，OpenAI 推出了 ChatGPT，這次推出完全顛覆了我對 AI 的想像。其帶給我的震撼，更甚當初 AlphaGo 下圍棋，而且正是因為它，我才有撰寫這篇文章的動力。

其目的主要是理解前後文的語意，給出適當的回應，而他做到了。

我們把各自手上所有的 NLP（自然語言處理）任務都測了一遍，包括自然語言理解、對話狀態追蹤、回覆生成、對話摘要、表格問答、文檔問答、信息抽取、情感分析、詩詞歌曲創造、翻譯...等幾十個任務，效果都非常的好。

...

不需要 in-context learning，開箱準確率達到 90%+，幾乎達到可以對外產品化販售。

來自林廷恩（自然語言研究者）的臉書

ChatGPT 能做到的事情太多了，以下幾個有趣案例：

玩文字版的 RPG，例如讓他扮演密室中的某一個人，給予其選擇和線索，最終讓他成功逃出。
整合 AI 繪圖，在短短數小時內，推出了純 AI 創作的兒童繪本。

當然，網友創意（跟時間）無限，期待未來能讓他有更厲害的應用！另外如果你對內部運作有興趣，可以參考李宏毅老師的影片

Stable Diffusion¶

AI 繪圖無疑在今年大放異彩，不只是 Stable Diffusion，還有 OpenAI 的 DALL-E。隨著發展，網路也出現越來越多奇耙應用，例如圖片動漫化等等。

但是其內在的演算法擴散模式（Diffusion Model）也不只是在繪圖有所應用。像是有人把它延伸到蛋白質預測，達成輕量而又有準確度的模型。

AlphaFold 2¶

這個其實是 2020 推出的 AI，但隨著發展，今年不只是擴充了資料庫，也看到其實際的應用了。

蛋白質的組成並不複雜，由 21 種已知氨基酸構成，但真正困難的是其建構方式的排列和組合可以非常複雜。然而 DeepMind 的 AlphaFold 2 卻做到了高於 90% 的預測準確度（第二名不到 60%）。

顏色越藍代表準確性越高，蛋白質的中心部分通常準確率較高，而外圍則會很複雜且準確率較低。由此也看得出蛋白質的構造是三維且沒有固定格式
來源於：科技新報

這裡要注意的是，AlphaFold 做的事情是預測。換句話說，如果我們要驗證這個預測，方式仍然是使用傳統的 X 射線、核磁共振或冷凍電鏡等。但是這個過程是曠時廢日的，通常需要數月到數年的時間。

在 2022 年，AlphaFold 預測出了可能是造成漸凍人的蛋白質 核孔複合體 的樣子，而這個問題，科學家已經嘗試了長達數十年。

有了蛋白質的構造，我們就可以依此發展相對應的藥物和治療方法，所以蛋白質構造預測才會這麼重要。

Fusion¶

核融合需要極度高溫和高壓才有可觀的機率發生。要成就這樣的環境不難，但問題是，要怎麼維持這個溫度？

會造成系統溫度降低是因為內部原子和外部原子進行碰撞把能量（動能）轉移到外部系統。為了減少這件事情的發生，我們需要讓原子照著圓圈（tokmok）迴轉（當然還有一些縱軸的力來降低磁力的交錯影響，詳見）。

DeepMind 發展了一種 AI 演算法，用雷射來協助系統維持能量，換句話說，維持熱能。

在 2022/12，美國國家點火設施發表已經成功達成輸出能量大於輸入能量。雖說很多媒體宣稱核融合的時代來臨，但其實國家點火設施並不是核融合發電廠。相較於核融合發電場，他不會處理氚的輻射和逸出（核融合是需要氘和氚和一些金屬才能有效達成）。

2024 相關論文推出

在 2024 年 2 月時，相關單位推出了受五位同儕審視的論文，其中說明了如何達成「點火」。

這和我上面講到的托馬克（tokmok）圓環沒有關係，它是讓雷射打進鑽石外殼的小膠囊，並紀錄內爆的能量，達成點火。

這顆鑽石外殼的膠囊，包含著許多工程智慧，例如厚度、外型等等都經過嚴格驗證。
來源於：Here’s how scientists reached nuclear fusion ‘ignition’ for the first time

這種方式有個最大的缺點：要怎麼利用獲得的能量？因為爆炸的能力是很難被利用的。但是無論如何，「點火」的成就仍然鼓舞了許多投資者和研究員。

CICERO¶

Meta 開發的 CICERO 在一款鬥智鬥心機的遊戲 Diplomacy 中進入前 10% 的排名中。

Source from CICERO blog post

之前看到這個主題的時候有看到一段簡單的影片說明，現在找不到了！但是... 我懷疑 ChatGPT 玩得會比他好。

之所以放進這個 AI，也算是我個人對於未來 AI 能玩星海或世紀帝國的一個小小憧憬吧！

Ithaca¶

DeepMind 在三月開發了 Ithaca，其用途在判讀古希臘文本的內容。

和人類歷史學家的 25% 預測率，Ithaca 達到了 62% 的準確率。但是 Ithaca 並不是要取代人類，相反的，他是用來協助人類。在人類和 Ithaca 一起判讀的情況下，他達到了高達 72% 的準確率。

結語¶

在最後介紹的 Ithaca，我們也可以看到雖然有些人會擔心機器將取代我們的工作，但其實機器學習的真正價值是用來協助人類，讓我們能更快速的完成工作。

就像今年英國開始推行的一週工作四天一樣，如果 AI 能幫助大家（已經確確實實有幫助了😂）在更短的時間內達到相同產能，這時我們對於 AI，應該抱持的心態會是：我將如何（理解和）應用它？