「 美」 但不足的生成式AI
在聊完了珠寶3D設計的養成實務後，這期開始我們想要粗淺的聊一下在「生成式 AI」流行的現在，珠寶設計師的核心專業技能「設計」與「生成式 AI」間可能的互動形式，是帶來了挑戰？或是開創了新的未來？
但在進入正文前必須先跟各位讀者報告，因為 AI（Artificial Intelligence，人工智慧）是高度專業且不斷有新的成果出現的議題，所以接下來文章的內容僅是就我們在工作上所接觸或是需要的資訊作粗淺的概念說明，如果有什麼不足之處還請不吝賜教，謝謝。
AI ？生成式 AI ？
AI（Artificial Intelligence）的中文是人工智慧，如果我們用字面上的意思去理解的話，通常可以簡單理解為「人為創造」出的電腦或機器等工具，這些工具可以「像人類一樣去理解、學習或透過推理解決問題」。不過雖然講起來輕巧，但 AI 是一個範圍廣大也不算年輕的一門學科，從 1956 年的「達特茅斯會議」到現在，中間其實有著很多不同時期的發展內容和方向。
像是早期 ( 約 1970-1980 年代 ) 的「專家系統」就是採用將行業專家的專業知識建立成「資料庫」後，再透過專家設計好的邏輯推理方式進行對應資料比對、分析等等的邏輯推理，但因為需要不斷更新知識庫的內容及邏輯推理規則，加上維護的成本過高，在商用上的回報卻不理想，「專家系統」逐漸失去主流應用地位。而在較晚 ( 約 1990 年代 ) 開始成長的另一項技術「機器學習」則隨著時間為 AI 的發展帶來了另一道曙光。
「機器學習」可以粗淺的理解為讓電腦從大量數據 ( 大數據 ) 中找出規律，進而「學會」做出預測或判斷的技術，也就是說「機器學習」可以自己隨著資料庫內容的改變同步找出新的規律，建立出新的「邏輯推理規則」，不過「機器學習」在增加資料庫的內容時，還是需要有人類的專家告訴 AI 哪些條件是必須作為加到邏輯規則中的指標 ( 標註特徵 ) 才能讓電腦有效的學習，這樣還是會陷入發展受到人力限制的困難， 這也促進了讓電腦可以自行從大數據中自行尋找和標註資料特徵建立出推理規則的「深度學習」的研究。
「 深 度 學 習 」 的 發 展 則 是 在 將 使 用 CPU（Central Processing Unit， 中 央 處 理 單 元 ）計算改為使用GPU（Graphics Processing Unit，圖形處理器）運算後獲得了飛躍性的成長。而後隨著「深度學習」技術和硬體的發展，AI 已經不只是能從大數據中建立推理規則，還能夠依據這些規則產生新的內容，例如當 AI 理解了鑽石的光學特性和貝殼化石以後，可以讓 AI 生成出同時結合這兩者特性的圖片，這便是現在最熱門且好像人人都可上手的「生成式 AI」。
更多資訊請觀看實體書或電子書。原文刊登於＜台灣珠寶雜誌-130期＞，2025/09出刊。