【記者楊凱傑報導】生成式AI應用降低寫程式的技術門檻，國立成功大學資訊工程學系碩士生陳冠言、國立台灣大學土木所電腦輔助工程組碩士生陳佩慈、胡羽忻、楊建恆組成研發團隊，以「生成式AI幫助架設和更新資料庫」降低架設資料庫的技術難度，於10月19日榮獲2024年GenAI Stars創意創客組大專社會組特優。
團隊以「生成式AI幫助架設和更新資料庫」榮獲2024年GenAI Stars創意創客組大專社會組特優。 圖／陳冠言提供
現今中小企業在數位轉型過程中需藉由資料庫統整數據內容，然而資料庫的建立因系統操作複雜，需具備特定知識和技能，而市面上的資料庫設計與維護工具，價格昂貴且缺乏智慧化建議和易使用的介面，因此多數企業需聘請專業資料庫團隊負責，可中小企業因人力、金錢資源有限而難以負擔，而限制了數位轉型的普及性。談及此次研究為何以中小企業為目標客群，陳冠言認為中小企業具有一定市場規模，「臺灣目前的產業結構，大概有九成都是中小型的企業，因此我們想抓住這個潛在的客戶。」
團隊透過AI應用於資料庫，試圖解決中小型企業數位轉型上的難題。 圖／陳冠言提供
團隊此次研發的生成式 AI 技術為中小企業降低資料庫管理門檻，提升企業競爭力。楊建恆表示專案利用開源模型，並加以修改，有效降低開發和使用成本。而當中的「GenDB生成式AI資料庫管理助手」目標是讓沒有技術背景的使用者也能輕鬆操作資料庫，胡羽忻說明：「像是我們平常在用chatgpt，其實你只要打一些自然語言，就是我們平常講的話，然後它就可以生成一些對應的指令」，使用者只需以對話的形式向AI輸入指令無需額外學習程式碼，使資料庫管理更加平易近人。
使用者透過與AI模型自然對話，直接與資料庫互動，免除自行輸入資料庫集的複雜指令。 圖／陳冠言提供
團隊此次研發新型微調（Fine-tuning）技術來增強大型語言模型LLM（註一）在資料庫管理的能力。楊建恆解釋微調是透過人類指導來讓模型學習更複雜、細微的，提升模型的可控性，使結果產出更符合使用者預期，並讓預先訓練好的模型能夠適應特定任務或領域。同時透過強化式學習資料庫，收集理想答案（正向資料）及大型語言模型常犯的錯誤（負向資料），讓模型從正向資料中學習，降低錯誤的再犯率，「就像教導一個孩子正確的行為方式一樣，告訴他什麼是錯的，甚麼是對的。」陳冠言補充說。
註一：透過分析大量語言資料，理解和產生人類語言文字的人工智慧 (AI) 程式
透過團隊自研的微調系統，能針對不同企業需求修改出相對應的模型。 圖／陳冠言提供
楊建恆分享在研發過程中，因學生身分而受限於硬體設備不足，「模型訓練需要大量的運算資源，我們只能使用自己的電腦或學校有限的 GPU 資源，因此限制模型訓練的效果。」使得現今模型的成功率仍待改進，陳佩慈也表示團隊主要使用現有的開源資料進行模型訓練，如果能自行建立訓練或取得更完善、更多種類的數據，產出結果將可更精確。且團隊目前仍缺乏評估模型成效的客觀標準，需要進一步透過實際使用者測試才能驗證系統的易用性和實用性。
透過LLM大型語言模型，原本需要人工繪製的關係模型，可透過模型快速生成。 圖／陳冠言提供
團隊表示在短期內期望先完善模型，並設計一個更精細的使用者介面，並希望後續能和企業合作，將 GenDB 實際應用於企業的資料庫管理工作中，採用訂閱制，為使用者提供長期服務。國立政治大學資訊科學系助理教授邱淑怡認為該專案有望解決資料庫架設難度，「可由於該專案仍在規劃中，實際應用上尤其數據收集，與在校內研究應該會很不同。」
