近年來 AI 席卷全球，為此本文作者嘗試了近 20 遍，最終用 C++ 建立了一個最簡單易懂的生成式 AI 模型，供感興趣的開發者參考。
原文連結：https://learncplusplus.org/how-to-create-simple-generative-ai-code-in-c/
作者 | Yilmaz Yoru
轉譯 | 鄭麗媛
短短一年多的時間裏，AI 技術發展迅速，其中最引人矚目的實作是 ChatGPT，它基於一種生成式 AI 技術。後來，我們又有了 GPT-4，GPT-5 也正在研發中。
在各種文本和影像公開測試中，人們普遍認為生成式 AI 是一項非常有創造力的技術。事實上，生成式 AI 是 AI 領域深度學習的一個分支，而所有這些看似神奇的技術背後，都要歸功於大量的數學知識。在本文中，我們將編寫一些非常簡單的 C++ 程式碼，從給定的輸入中學習，並生成隨機輸出。
什麽是 AI？
人工智慧（Artificial Intelligence）又稱 AI，是指在機器中模擬人類智慧，透過編程使其看起來像人類一樣思考並模仿人類行為。這個術語也可用於任何表現出與人類思維相關的特征（如學習和解決問題）的機器。如果你想了解更多 AI 的相關術語，可以查閱我之前寫的這篇文章：【AI 技術：C++ 人工智慧入門】 （https://learncplusplus.org/ai-techs-introduction-to-artificial-intelligence-in-c/） 。
什麽是生成式 AI？
生成式 AI（Generative AI、GenAI 或 GAI）是一種 AI 技術，透過生成模型來生成文本、影像、視訊或其他數據。生成式 AI 模型透過接受給定的輸入（比如文本、影像或數據集）進行學習，然後用生成式模型對這些輸入進行訓練，進而生成新的輸出範例，甚至可以在沒有任何人類指示的情況下生成新的內容。
一般來說，使用者給出簡單的指令（即「提示」），然後它就會根據這些指令和訓練好的數據集生成一個新的樣本。下面是一個簡單的生成式 AI 模型的範例。
有一些生成式 AI 模型包括：生成對抗網路（GANs）、變分自編碼器（VAEs）、自回歸模型和變換器（Transformer）。
如何用 C++ 建立簡單的生成式 AI 模型？
首先，我們來建立一個簡單的生成式 AI，它可以透過給定的文本輸入進行訓練並從中學習。然後，我們可以建立一個生成模型來生成新的句子。在這裏，我們將會有一個擁有對映的類，而該對映將保存字串以及與每個字串相關的字串。下面，讓我們來定義類和對映。
class GenerativeAI{ private: std::map<std::string, std::vector<std::string>> wordRel; // map to world releation public:}
我們可以透過將它們添加到字串向量中來教授單詞之間的關系。請註意，這是一個非常簡單的學習範例，在真正的生成式 AI 模型中，你應該考慮更多細節，並且可以透過不同啟用函式模型中的權重進行訓練。更復雜的專業模型有更多層、偏置、隱藏神經元、過濾器、變換器（Transformer）、張量模型等。
接下來，讓我們建立一個可以從給定文本中學習字串型別的方法。例如，下面就是一個可以添加到公共部份 .learn_fromstring() 中的方法。
// Method to learn word relations from a given string void learn_fromstring(const std::string &sentence){ std::istringstream iss(sentence); std::vector<std::string> tokens{ std::istream_iterator<std::string>{iss}, std::istream_iterator<std::string>{} }; for (size_t i = 0; i < tokens.size() - 1; ++i) { wordRel[tokens[i]].push_back(tokens[i + 1]); } }
在上述方法中，我們先將句子轉換為 istringstream，然後從這個 stream 建立一個單詞（token）向量。然後我們處理每個單詞，並將下一個單詞推到其對映的順序中。例如，如果我們訓練「I am」、「I was」、「I have」這類句子，它會把「I」對映和「am」、「was」、「have」添加到這個向量中。換句話說，它儲存了「I」後面可能出現的下一個單詞。實際上，這些關系是透過單詞索引、權重、啟用函式等建立起來的。例如，「am」通常與「I」搭配使用，因此它們之間的關系更密切，權重系數也應該更高。舉一個簡單的例子，我們先不考慮權重和啟用函式。
現在，我們需要一個公共部份（public p）下的句子生成器，它可以透過考慮單詞之間的關系來生成隨機文本。首先，讓我們舉例說明生成模型，然後再進行解釋。
// Method to generate a sequence of words based on learned relations std::string sentence_generator(const std::string &startWord, int length){ std::string currentWord = startWord; std::string sequence = currentWord; for (int i = 0; i < length - 1; ++i) { if (wordRel.find(currentWord) == wordRel.end()) break; std::vector<std::string> nextWords = wordRel[currentWord]; std::uniform_int_distribution<int> distribution(0, nextWords.size() - 1); currentWord = nextWords[distribution(generator)]; sequence += " " + currentWord; } return sequence; }
在上面的 sentence_generator() 方法中，我們先定義第一個單詞（你可以選擇將第一個使用的單詞儲存在一個倉庫中，也可以隨機選擇）以及要生成的句子長度。然後，我們在迴圈中生成句子的中間單詞。最後，它將返回新生成的序列句子。
就是這樣，非常簡單！
為了理解這個對映內部發生了什麽，我們可以建立另一個方法來揭示單詞之間的關系，如下所示。
// print the word releations void print_word_relations(){ std::cout << "Word Relations:" << std::endl; for (const auto &pair : wordRel) { std::cout << pair.first << ":"; for (const auto &word : pair.second) { std::cout << " " << word; } std::cout << std::endl; } std::cout << std::endl; }
現在我們可以開發主函式了。從這個類中建立一個新的生成式 AI 物件，用 learn_fromstring() 方法訓練一些句子。根據給定的句子，輸出訓練後的單詞關系，我們就可以建立許多新句子了，還可以在每個迴圈中用 sentence_generator() 方法建立一個新的字串。下面是我訓練了一些句子並生成 10 個新句子作為輸出的過程。
int main(){ GenerativeAI generator; // Learn from sentences generator.learn_fromstring("I am generative AI test example"); generator.learn_fromstring("I was a code"); generator.learn_fromstring("I can develop applications in C++"); generator.learn_fromstring("I have a generative code example"); generator.learn_fromstring("I should generate different sentences"); generator.learn_fromstring("I am easy with LearnCPlusPlus.org"); // Print word releations that learnt generator.print_word_relations(); // Generate new sentences for (int i = 0; i < 10; ++i) { std::cout << "Generated Sentence " << i + 1 << ": " << generator.sentence_generator( "I", 4+rnd()%2 ) << std::endl; } system("pause"); return 0;}
有沒有用 C++ 編寫的簡單生成式 AI 模型的完整範例？
有的，下面就是一個用 C++ 寫的生成式 AI 的完整範例。
#include <iostream>#include <map>#include <string>#include <vector>#include <sstream>#include <iterator>#include <algorithm>#include <random>std::random_device rnd;std::mt19937 generator(rnd()); class GenerativeAI{ private: std::map<std::string, std::vector<std::string>> wordRel; // map to world releation public: // Method to learn word relations from a given string void learn_fromstring(const std::string &sentence){ std::istringstream iss(sentence); std::vector<std::string> tokens{ std::istream_iterator<std::string>{iss}, std::istream_iterator<std::string>{} }; for (size_t i = 0; i < tokens.size() - 1; ++i) { wordRel[tokens[i]].push_back(tokens[i + 1]); } } // Method to generate a sequence of words based on learned relations std::string sentence_generator(const std::string &startWord, int length){ std::string currentWord = startWord; std::string sequence = currentWord; for (int i = 0; i < length - 1; ++i) { if (wordRel.find(currentWord) == wordRel.end()) break; std::vector<std::string> nextWords = wordRel[currentWord]; std::uniform_int_distribution<int> distribution(0, nextWords.size() - 1); currentWord = nextWords[distribution(generator)]; sequence += " " + currentWord; } return sequence; } // print the word releations void print_word_relations(){ std::cout << "Word Relations:" << std::endl; for (const auto &pair : wordRel) { std::cout << pair.first << ":"; for (const auto &word : pair.second) { std::cout << " " << word; } std::cout << std::endl; } std::cout << std::endl; }};int main(){ GenerativeAI generator; // Learn from sentences generator.learn_fromstring("I am generative AI test example"); generator.learn_fromstring("I was a code"); generator.learn_fromstring("I can develop applications in C++"); generator.learn_fromstring("I have a generative code example"); generator.learn_fromstring("I should generate different sentences"); generator.learn_fromstring("I am easy with LearnCPlusPlus.org"); // Print word releations that learnt generator.print_word_relations(); // Generate new sentences for (int i = 0; i < 10; ++i) { std::cout << "Generated Sentence " << i + 1 << ": " << generator.sentence_generator( "I", 4+rnd()%2 ) << std::endl; } system("pause"); return 0;}
結果如下：
最後需要說明一點：為了盡可能讓大家易於理解和便於編碼，我試著制作了大約 20 個不同的範例（包括一些來自 Copilot 的支持）並盡量將其簡化，所以這應該是最簡單易行的生成式 AI 模型了。
推薦閱讀：
