撰稿：Alrin，日期：2023-03-20
之前已經寫過很多和 AI 相關的趨勢，像是 ChatGPT、Midjourney，不過那些都是針對末端 User 的應用。
目前市面上的 AI 系統以 OpenAI 最為完整，它不僅已經有各種完善的引擎和模型庫，甚至連 API 都已經開始授權商用，所以本文將以 OpenAI 來作為這次 AI 系統的探討。
AI 系統的規模有大有小，而且它們的背後都是一大串各式各樣的程式群、引擎、模型庫、演算法組合而成。
你可以把一個 AI 服務系統，想成一個頗具規模的服務團隊，團隊裡面有各式各樣專才的人，他們各司其職，然後用戶透過一個專案經理人，去和這些人溝通，把不同的工作分派給最適當的人。
AI 服務系統也是這樣，就像有些系統不乏有許多的開源程式，透過各種程式的組合，例如：c、js、python、shell、php、java，然後用前端的溝通程式把它串起來，變成網站服務、AI 繪圖機制、ChatBot⋯⋯。
其實我們公司現在的線上電子書轉換機制，也是我用 Shell，把許多 Open Source 串成一個自動化的電子書製作服務。（當然它的規模和執行能力和 OpenAI 是天差地別的等級）
所以，前一陣子所風靡的 ChatGPT 就是其中的一種 AI 組合商品，只不過，自然語言模型是一個很大的項目，而且它很有可能是整個 AI 引擎最核心的部分，所以語言模型絕對是所有 AI 底層的第一步。
簡單的來說，各種程式要和人溝通，中間的橋樑一定是文字，所以語言模型才是 AI 最根本的基礎建設，一但你的語言模型建立完成，各種模組建立出來的商品就能透過語言模型和 AI 的程式進行溝通。
經過新聞的大肆報導，大家應該都知道微軟就是這波熱議中 OpenAI 最大的投資者，在 OpenAI 發展 GPT-3 的初期，微軟就開始用它來訓練自家雲端服務，也就是 Microsoft Azure 的系列產品「AI + 機器人服務」。
如果現在連到 Microsoft Azure 網站上，就可以看到各種服務：應用 AI、AI 認知、表格辨識、機器學習、認知搜尋、Bot Service、DataBricks、Azure OpenAI……等。
而這些模組在被開發成商用之前，得先思考要如何讓使用者（企業客戶）能輕易的存取這一大堆的系統服務呢？用 AI 來導入 AI 服務可能是最省錢、省時的方式。
如果要用 AI 來協助客戶建立其他 AI 的服務，自然語言模型更是重中之重，微軟不僅在語音模型上面的投入，在語音聲紋和訓練上也投入了大量的資金。
在自然語言模型出現之前，我們要和電腦溝通得用 function 的邏輯，最簡單的理解就是 true（1）或 false（0）的判斷。這些程式回傳的語法，都需要專業的程式設計人員才能理解、判讀，所以大多數撰寫服務需求的時候，都需要工程師來幫忙看需求是否合乎程式邏輯。