台大表AI概念抹除技 教模型避免暴力侵

避免生成式AI侵理等挑，台大系教授王推出「概念抹除」技Receler，可在不重新整生成式模型前提下，精切模型特定高概念的想表能力，如血腥暴力、深、特定家或品牌格等。

在科助下，王推出面向生成式模型的概念抹除（Concept Erasing）技Receler（Reliable Concept Erasing via Lightweight Erasers），研究成果在2024年底表於洲算研。

王表示，生成式AI然便利，但也一些疑，如ChatGPT可用生成吉卜力格的影像，若未事先取得授，可能涉及侵。另外，深（Deepfake）技可以明星或政治人物，曾被用於生成色情容等。

王明，面些，只靠字和人工核，往往出漏或情，在不重新集料跟重新AI模型之下，研究提出概念橡皮擦（Concept Eraser），合抗性器（Adversarial Learning）技以及具交叉注意力制（Cross-Attention），能精抹除高概念，保留原始AI模型作能力。

王例，生成式模型在使用Receler技避免「暴力」概念後，入暴力相的直白或喻指令，模型不出暴力相的片，若抹除「吉卜力格」後，入相描述，系就改以中性、不侵的格呈，同不牲多性品。

科工程技研究展洪文表示，生成式AI工具若未特防，有候以避免生出容，王提出Receler，能精切的容，AI展至重要，技在路上的源模型受到泛使用，具有影力。