【AI科技與美學】專欄

本篇文章會教導大家如何訓練自己的LoRA模型，並以約翰韋恩風格的人物為例，將步驟拆解，一步一步地進行教學。

在未來5~10年內，我們應力求掌握潛藏空間，致力於開發控制軟件系統，來有效管理AI貨櫃（即潛藏空間）者，將成為AIGC時代的大贏家。

AI「看到」人類沒看到的，它能擴大人類的思維空間。即使ChatGPT回答您的「文案」，也是在表達它所看到的更大空間，給您一些建議，來引導您（人類）去「做出」您沒意料到的更棒的新東西。

人類專家如何傳授直覺性知識給AI模型呢？ 最基本的做法就是：貼分類標簽，也就是做標注（Labeling）。這意味了，在訓練階段必須採取「監督式學習」模式。

當今AI所仰賴大數據的相關性，只是低階的因果關係而已。由於，當今的AI對於因果關係的探索能力，還是非常有限的，仍然非常依賴人類（具有溯因性推理習慣者）來補足。

藉助AI潮流，一方面以AI晶片來連結到半導體IC產業；另一方面則以AIGC來連結到文創&美學設計行業，逐漸融合出更多科技美學跨領域人才。

近幾年，知識圖譜在工業界聲勢日隆，在這種語境下，我們也稱知識圖譜為業務圖譜。GNN 本身是一種深度模型，與推薦系統結合之後，多層 GNN 模型可以更好地捕捉使用者與商品之間的高階協同關係。

AI建模師的職責：組合模型、訓練模型。亦即把一群不會飛的模型巧妙組合起來，訓練它然後飛上天際。台灣如果沒有積極培育優秀「AI建模師」，很可能是未來10年AIGC潮流下的大輸家！

本文將以射飛鏢及繪畫為例，教你如何訓練GAN模型，並且進而能修改既有的其程式碼，來創作您自己的獨特GAN。

AI生成（如AIGC），就是 AI 學會設計出自己的作品。AI 裡的眾多模型之中，GAN 是箇中高手，最擅長從人類的藝術作品中學習到藝術家的風格等。

經由訓練使AI如人類一般擁有溯因性推理習慣，並輔助人類進行決策思考，是目前AI專家們努力的方向，也是AI將邁向革命性的大未來，本文將介紹決策型AI的特色，並以劃拳比賽為例，說明其架構。

本文提出一個新觀點：我們只要把眼光從原來的「內容」，逐漸轉移聚焦到其「素材」層級，就能給予台灣肥沃的 IT 產業帶來豐沛的水分。一方面，打開台灣廠商企業、學校院所、政府部門的菁英人士的心扉，以便迎接 AIGC 幸運草種子雨。

本文將接續前文，揭開AI繪圖的神秘面紗，並針對3D點雲GAN模型進行介紹與教學。

最近紅遍網路，號稱超越人類藝術家的AI繪圖，其原理究竟是什麼？又該如何訓練出一個能畫圖的AI模型呢？本文將針對3D點雲GAN模型進行介紹與教學。