Chat GPT 掀起前所未有的 AI 浪潮
在今年掀起了一股 Chat GPT（Chat Generative Pre-trained Transformer，聊天生成预训练转换器，一种人工智能聊天机器人程式）的浪潮，Chat GPT 的出现为科技业带来前所未有的巨变，所有人都想一睹为快 Chat GPT 的本事，过去我们从未想过有一天 AI（Artificial Intelligence，人工智能）能够拥有几乎贴近真人般的行为表现，如今 Chat GPT 已为全人类示范了这个可能，同时激起人们热烈讨论该如何有效运用 AI，并与 AI 共荣共存呢？搭上这股 AI 浪潮，今天要跟大家一起谈论的是由 Azure 提供的 Azure OpenAI 这项服务。
Microsoft 与 OpenAI 联手打造的 Azure OpenAI
由 Microsoft Azure 与开发 Chat GPT 而声名大噪的 OpenAI 两强团队共同开发的Azure OpenAI 是一个根据 OpenAI 所创建的 GPT 架构而成的 AI 服务平台，提供使用者一个具备多元功能，且性能强大与高可扩性等的 AI 体验。
在 Azure OpenAI 中，我们经常会听到几个重要概念，以下分别介绍：
- Prompts & Completions（提示&完成）：其 API 提供存取模型（Models）的文本输入与输出介面，当使用者键入指令即是 Prompts，得到的结果回应则是 Completions。
- Tokens（基元）：主要分为 Text Tokens（文本基元）和 Image Tokens（图像基元）两种：
- Text Tokens：Azure OpenAI 会将文字拆解成 tokens 来处理接收到的文字，tokens 的形式可能会是个单一字词，也可能是字词的字元区块，短一点的字词在 tokens 中可能不会被拆解，长一点的字词，如以英文单字 hamburger 一词为例，在 tokens 中就会被拆解为「ham」、「bur」和「ger」，tokens 的总数取决于使用者的输入与相应输出以及所要求的参数长度，随之影响模型的回应。
- Image Tokens：图像的大小以及图像的详细数据设定为两个主要决定图像 tokens 总数的指标。低解析度数据因可取用较少的 tokens，可使 API 回应速度较快 ，基本映射需要85个 tokens；高解析度数据为详细辨识图像，API 会把影像裁切成许多较小的方块，每个方块又使用许多标记来产出文字，tokens 总数由一系列调整步骤所计算，较为庞大。
- Deployments & Models（部属&模型）：当使用者在 Azure 中建立 Azure OpenAI 资源后，接着需要部署模型，不同的模型有不同的功能与计费方式，像我们熟知的 GPT-3.5 和 GPT-4 用于理解与生成自然语言、DALL-E 模型用于透过自然语言产生图像等，当部署完成后便可开始运用 API 呼叫与产生文字。
非知不可的 Azure OpenAI 强大功能
Azure OpenAI 目前主要有三大 AI 功能，以下分别说明：
- 自然语言生成功能：生成自然语言背后的 GPT 模型为 GPT-3.5 或 GPT-4，当使用者给予自然语言的 Prompts 时，此模型能够根据 Prompts，以建构自然语言的方式提供相应的回答。而 GPT 模型适用于许多不同的工作型态（Task），除了之前大家经常使用的给予问题让 AI 回答之外，诸如：摘要文字、分类文字、产生名称、翻译、建议内容等等都是其可做到的工作，如下图官方所示的例子。
GPT 模型可进行的自然语言工作型态列举（图片取自 Azure 官方教学文档：https://learn.microsoft.com/zh-tw/training/modules/explore-azure-openai/5-understand-openai-natural-language）
- 程式码生成功能：GPT 模型熟悉许多程式语言，我们常见的如 Python、JavaScript、C#、PHP等，此模型能根据自然语言的 Prompts 给予程式码编写的回应，甚至能进行程式码的单元测试，如下图官方所示的例子。
GPT 模型进行程式码单元测试（图片取自 Azure 官方教学文档：https://learn.microsoft.com/zh-tw/training/modules/explore-azure-openai/6-understand-openai-code-generation）
- 图像生成功能：生成图像的模型为 DALL-E，功能主要有三大类：图像建立、图像编辑与图像变化，也就是说使用者可提供 Prompts 要求 AI 生成图像，或可直接提供一个图像要求 AI 为其进行变化，我们一起来看看下方表格整理的官方所示举例。
 | 给予「一头站立的大象，还有一个汉堡在头上」得到的图像建立结果 |
 | 指出编辑范围后，给予「读书的蓝色猩猩」得到的图像编辑结果 |
 | 承第一个例子，给予想要的变化程度，好比色彩、外观等得到的图像变化结果 |
（表格图片皆取自 Azure 官方教学文档：https://learn.microsoft.com/zh-tw/training/modules/explore-azure-openai/7-understand-openai-image-generation）
Azure OpenAI 的领航优势
至于使用 Azure OpenAI 有哪些优势呢？我们一起来看看吧！以下列举几项：
- 性能强大：如同开头所提 Azure OpenAI 由于根据 OpenAI 的 GPT 模型所建，OpenAI 将能提供强大的技术支持，而 Microsoft Azure 则提供云端环境，让使用者能轻松在 Azure 上使用 AI 服务。
- 可扩性优：Azure OpenAI 能根据使用者的需求提供相应的运算能力，弹性的扩容与缩容的变化，可因应企业的各种大小型专案，在提高效能的同时，也降低了成本。
- 安全性与合规性高：像是资料传输可加密，透过私有网路或私钥加密提高数据传输的安全与稳定，以及存取资格加强控管，整合 Azure AD 与 MFA 等访问者身分管理加强资料存取资格的管控，还有严格的内容审查，透过 Azure 内容审查过滤器，筛选掉具攻击性等的负面内容，必要时进行人工审核。
参考资料：
Azure 官方文档 - 〈什麽是 Azure OpenAI 服务？〉https://learn.microsoft.com/zh-tw/azure/ai-services/openai/overview
Azure 官方教学文档 - 〈了解 OpenAI 的自然语言功能〉https://learn.microsoft.com/zh-tw/training/modules/explore-azure-openai/5-understand-openai-natural-language
Azure 官方教学文档 - 〈了解 OpenAI 程式码产生功能〉https://learn.microsoft.com/zh-tw/training/modules/explore-azure-openai/6-understand-openai-code-generation
Azure 官方教学文档 - 〈了解 OpenAI 的影像产生功能〉https://learn.microsoft.com/zh-tw/training/modules/explore-azure-openai/7-understand-openai-image-generation