2025年3月5日 星期三

利用AI繪製UML流程圖 及早站穩軟體開發和運作流程的馬步


【常春藤e起學英語】精選最精采的文章,時而新奇有趣,時而發人深省,透過閱讀喜歡的事物學習英語。 【udn保險週報】透過新聞與保險個案,瞭解人生存在風險,與面對風險下,個人如何從保險中得到適切保障。
★ 無法正常瀏覽內容,請按這裡線上閱讀
新聞  健康  udn部落格  
2025/03/06 第819期  |  訂閱/退訂  |  看歷史報份
  科技新知 利用AI繪製UML流程圖 及早站穩軟體開發和運作流程的馬步
IG濾鏡已死?!Meta Spark AR停止營運與濾鏡技術的下一步
失智症是可以有效預防的!運用AI智慧互動科技,守護高齡長者防失智
從風雲變幻到精確預報:AI 如何改變天氣預測的未來

利用AI繪製UML流程圖 及早站穩軟體開發和運作流程的馬步
FIND研究員:李啟榮

統一塑模語言(Unified Modeling Language, UML)是一種將軟體的各個元件、模組、機能串接在一起,變成一幅完整運作流程的視覺化內容;而UML有各式各樣的模組、分歧點、條件式、箭頭等圖形,可以讓軟體開發人員按部就班了解每個環節的運作流程,奠定開發、維運、問題排除的基本功。

現在隨著生成式人工智慧(Generative AI)的流行,AI也可用於UML的繪製上,就像AI生成圖畫那樣,以下達提示詞(Prompt)的方式,在很短的時間內產出內容完整且有一定準確度的UML圖形;在敏捷開發和DevOps的領域中,AI不但能自動撰寫程式碼,還能自動產生UML流程圖,讓開發和維運團隊能一目了然掌握軟體運作流程,實現奠定基本功、站穩馬步之功效。

技術發展背景

UML能以圖像化的方式,描述軟體運作開始到結束的所有流程,例如軟體運作時會用到哪些元件、各別功能運作時的條件式,以及軟體運作邏輯的走向;完整的UML流程圖可以進行機能錯誤/未滿足條件的走向推演,並視情況調整軟體模組機能、串接和走向,以預防錯誤發生,省下後續補救時間和成本。

另外,生成式AI藉由即時偵錯和自動修正原始碼的特性,獲得敏捷團隊、DevOps團隊的注目,希望能模仿ChatGPT/Copilot能以下達Prompt自動產生原始碼的方式,來自動產生UML架構和流程圖,以省下絞盡腦汁的漫長時間,同時預防大部分的人為失誤,讓軟體跑得又快又準確。

技術介紹與應用現況

在ChatGPT剛問世的時候,就已經有人嘗試對ChatGPT輸入Prompt來產生UML圖形,再加上最早期的ChatGPT僅支援文字輸出功能,因此ChatGPT則以符號、表格等方式來呈現類似於UML的介面。

圖 1 以ChatGPT初步產生的銀行業務系統UML圖形

資料來源: Cámara, Troya, Burgueño, & Vallecillo, 2023

後來有研究團隊發現可以利用開源UML工具「PlantUML」來繪製UML圖形,該團隊先在ChatGPT用一段Prompt開立需求,轉譯為PlantUML的格式和指令,再將ChatGPT產出的PlantUML指令,匯入PlantUML程式並繪製為UML圖形 (Cámara, Troya, Burgueño, & Vallecillo, 2023)。

圖 2 以ChatGPT Prompt轉譯出PlantUML指令,再繪製為UML圖形

資料來源: Cámara, Troya, Burgueño, & Vallecillo, 2023

現在坊間也出現輸入Prompt直接產出UML圖形的服務,例如Miro、DiagrammingAI等,除了可以直接用Prompt來描述製圖架構和運作流程,省下調校、轉譯等工程;部分AI UML繪製工具甚至提供商業化的收費模式以及進階功能,例如可多人協作共編UML,更進一步將敏捷開發、DevOps應用在UML製圖,藉由團隊成員集思廣益,建立更完整的軟體開發藍圖和流程。

圖 3 AI生成UML圖形服務:Miro

資料來源:https://miro.com/ai/uml-diagram-ai/

圖 4 AI生成UML圖形服務:DiagrammingAI

資料來源:https://diagrammingai.com

未來展望/挑戰

在AI的輔助下,軟體開發團隊在繪製UML架構和流程不再像以前那樣複雜,並且AI具有一目十行的強大理解和轉譯能力,除了自動繪製UML以外,也能在執行UML流程時,與軟體實際運作進行同步驗證,並且AI能依據驗證結果,除自動調校原始碼以外,也能同步調整UML各模組機能和運作邏輯。

未來隨著CI/CD(持續整合暨持續交付)、RPA(機器人流程自動化)、Pipeline(部署管線)等AI運用更為廣泛,以AI繪製的UML可望發展出自我調整的能力,並在瞬息萬變的軟體開發趨勢中,有條不紊、因勢利導,讓軟體開發品質和安全性漸趨穩定、流暢,滿足開發維運團隊和使用者的需求與期待。

封面圖片來源:123RF

參考資料來源:

1.Cámara, J., Troya, J., Burgueño, L., & Vallecillo, A. (2023, May 22). On the assessment of generative AI in modeling tasks: an experience report with ChatGPT and UML. (B. Rumpe, J. Gray, & B. Combemale, Eds.) Software Systems and Modeling, 22(3), pp. 781-793. doi:10.1007/s10270-023-01105-5

2.Makwana, D. (2024, April 7). Create UML Diagrams With Chat GPT. Retrieved from Medium: https://medium.com/@dakshmakwana2146/create-uml-diagrams-with-chat-gpt-03d40b265cf4

3.Ridder, L. d. (2023, April 17). Generating PlantUML Diagrams with ChatGPT. Retrieved from Medium: https://medium.com/@Empanado/generating-plantuml-diagrams-with-chatgpt-7905a34b6c14

4.(2024, September 3). Diagram as Code - Use AI to generate UML Diagrams. Retrieved from Topview: https://www.topview.ai/blog/detail/diagram-as-code-use-ai-to-generate-uml-diagrams

 
IG濾鏡已死?!Meta Spark AR停止營運與濾鏡技術的下一步
FIND研究員:陳建方

Meta近期宣布將停止營運旗下擴增實境(AR)開發環境Spark AR,這一消息震驚了許多社交媒體創作者和使用者。自推出以來,Spark AR作為Facebook和Instagram主要AR濾鏡的開發環境,為社交平台引入了豐富的互動體驗,也讓使用者和品牌能創造出具有高度個性化和創意的內容。

隨著Spark AR關閉,不禁讓人開始思考哪個社交平台、開發環境或創新技術,將成為下一代的社交寵兒?同時,也揭示了AI結合濾鏡技術的可能發展與未來挑戰。本文將簡短分析Spark AR停止營運的背景及其可能影響,並展望未來可能在社交平台上崛起的技術及趨勢。

Spark AR的成就與挑戰:濾鏡技術的成長歷程

根據Meta官方於2020年統計,Spark AR有來自190個國家,超過40萬名創作者,在Facebook和Instagram上發布超過120萬個AR效果;在三個月內,超過150個帳戶的AR效果獲得超過10億次的觀看次數。作為Meta的AR創作工具,Spark AR成功開發臉部追蹤、表情辨識和AR技術,並開放讓全球創作者輕鬆開發專屬濾鏡。

Instagram和Facebook使用者可以使用特效來增強照片和影片的趣味性,進而成為個人表達、社交互動與品牌推廣的重要行銷工具。其高效的臉部辨識和追蹤技術、簡便的拖放編輯工具,以及豐富的範本資源,讓Spark AR成為數百萬使用者和品牌青睞的創作平台。然而,雖有龐大社群支持,Spark AR卻面臨了諸如性能資源限制、隱私和合規挑戰,以及跨平台支援不足等重大隱憂。

隨著社交平台對創意內容的需求日益增長,使用者希望濾鏡能提供更高的即時性、精確度和互動性。然而,實現更高的效果,需要即時運算大量數據,尤其在臉部辨識、特效疊加及光影效果,對手機等設備性能有更高要求。這些挑戰可能導致Spark AR的營運成本上升,技術更新與迭代壓力逐步增加,或許是最終造成Meta選擇停止營運的原因之一。隨著Spark AR退出市場,使用者和創作者勢必將轉向其他社交平台或開發工具,可預期將帶來一場新的市場競爭。

圖1:Spark AR Studio開發畫面

資料來源:Microsoft Store下載畫面, Meta

AR濾鏡的未來候選者:Lens Studio、Effect House與AR Foundation

在Spark AR退出之際,原本在Meta平台上的創作者和使用者將在選擇新的開發方式以及社交平台時,將根據目標受眾、開發難度、功能需求等因素考量找尋其他更適合需求的開發環境,對社群互動的使用者而言,勢必將型塑出更多不同的使用樣貌。例如:社群基底眾多的Snapchat提供的Lens Studio和TikTok的Effect House,均為AR濾鏡技術的潛力股;此外,Unity的AR Foundation也是一些品牌和開發者偏好的專業化選擇。每個平台在功能、兼容性、靈活性和操作難度上各具優勢和挑戰。

1.Snapchat Lens Studio:Snapchat早在社交濾鏡興起之際便推出了Lens Studio,該平台擅長以創意濾鏡效果見長,並提供包括手勢追蹤、物件識別、Bitmoji整合等豐富的互動功能。Lens Studio不僅擁有大量的濾鏡模板和資源,還能創造出卡通化的人物效果,適合希望將濾鏡打造成娛樂性強的開發者。Lens Studio對Snapchat生態系內其他產品支援度高,易於整合,但由於Snapchat生態系過度封閉,缺乏與其他平台的兼容性,對於希望跨平台發展的創作者是一種挑戰。

2.TikTok Effect House:Effect House是TikTok推出的AR開發平台,致力於增強視覺和音效的即時互動效果,特化了短影音(Reels)的應用需求。Effect House提供了一些簡單易用的開發工具,特別適合以短影音吸引年輕使用者的開發者。該平台雖然功能較為基礎,但對初學者較為友善,入門門檻低,並且在TikTok活躍的社群中,擁有大量資源和教學。然而,Effect House的技術能力對於一些複雜的AR濾鏡需求可能有所限制,並且也缺乏跨平台發展的靈活性。

3.Unity AR Foundation:Unity作為常青的3D遊戲開發平台,其中的AR Foundation是一款專業且成熟的AR開發套件,支援ARKit(iOS)和 ARCore

(Android)等多種原生AR SDK。本身強大的3D功能和跨平台兼容性,AR Foundation成為專業品牌和遊戲開發商的首選工具。AR Foundation雖具備高自由度的創作功能,卻相對較為複雜,適合於需要深入開發AR效果的專業團隊,尤其在應用於跨平台或遊戲化場景中效果尤佳。然而,對開發者的入門門檻較高,且軟硬體資源消耗較大,其在社交即時濾鏡上的即用性較低,並不完全適合簡單的社交濾鏡需求。

圖2:常見的傳統濾鏡特效

資料來源:It'smeShaina Youtube channel

未來的濾鏡技術趨勢:更加智慧且個性化的AI濾鏡

更高規格的硬體,與AI驅動的深度學習技術,將未來的濾鏡技術從單純的特效疊加,推向更加智慧且動態的效果生成,賦予濾鏡更多樣化和智慧化的感知互動能力,能夠根據使用者的即時環境、自身特徵甚至情緒做出調整,帶來高度個性化的體驗。

首先,因為深度學習的臉部和物體識別技術更為強大,未來的濾鏡不僅能辨識單純的人臉輪廓,還能夠識別更細微的面部特徵、表情變化、膚色、髮色等細節,並進行個性化的特效加成。例如,使用者在不同光線條件下拍攝時,系統能根據面部陰影自動調整濾鏡的光影效果,實現更自然的視覺效果。結合深度卷積神經網絡(CNN)和卷積性自動編碼器(Conv-AE)技術,達成即時的高精度臉部追蹤與識別。當CNN與表情感測模組(例如基於LSTM的情緒識別)結合時,濾鏡能即時感知使用者情緒,根據情緒變化動態生成合適的特效。

此外,未來的濾鏡可能透過生成式對抗網路(GANs)和變分自動編碼器(VAEs)等生成模型,即時創造新穎的濾鏡內容。生成模型可以根據使用者的環境和需求生成自定義的動態場景和虛擬物件。例如,GAN可透過分析使用者環境來生成適合的背景或AR物件,將虛擬和現實無縫融合。生成模型還可以識別使用者風格,例如根據使用者過往使用的濾鏡風格、色彩偏好,個性化地設計出新的濾鏡效果,並能在不斷的互動中學習使用者的偏好。

在實現這些AI濾鏡的過程中,ARKit(iOS/Apple)和ARCore(Android)等作業系統開發平台,也將發揮關鍵作用。透過結合SLAM(即時定位與地圖構建)技術,濾鏡能夠即時分析,並構建周圍環境的三維地圖,以此來生成更為真實的AR特效。此外,時空一致性處理技術(如基於時序的深度學習模組)將確保濾鏡效果在動態環境下的穩定性。結合這些技術能讓濾鏡效果不僅侷限於靜態畫面,也可能在影片、直播中即時生成和互動。簡單來說,未來的濾鏡技術將透過更為複雜的多模態AI和深度學習模型,結合即時3D環境構建技術,為使用者帶來高度智慧、適合用在更多情境的AR互動體驗。

AI與社群互動的下個里程碑

Meta宣布Spark AR的停止營運代表著「傳統濾鏡」的社群時代的結束,同時也為社群互動的未來發展帶來了新的可能性。隨著Snapchat Lens Studio、TikTok Effect House和Unity AR Foundation等開發平台將成為創作者們的首選,加速創新內容與社交平台的市場競爭,相信各平台也將推出更具創意的功能,來滿足終端使用者與品牌業者的需求。

甚至,使用者終端的旗艦機種性能提升、AI和AR的進一步整合,都將為濾鏡技術與社群互動引發更深層的創新,在娛樂、商業、教育等領域得到更廣泛的應用。Spark AR停止營運,或許只是AI和AR在社交互動與應用上,跨越到下個里程碑的開始。

註:IG為國內常用之口語縮寫,僅用於標題,文內使用Instagram。

封面圖片來源:本文作者使用Leonardo AI生成

參考資料來源:

1.Young(2020), Expanding the Spark AR Ecosystem

https://spark.meta.com/blog/extending-spark-ar-ecosystem/

2.Hamann(2024), AR Frameworks in Comparison.

https://matthiashamann.work/en/blog/article/ar-frameworks-in-comparison

3.Ainley(2019), The ultimate augmented reality platforms comparison chart

https://poplar.studio/blog/augmented-reality-platforms-comparison-chart/

4.Meta Spark(2024), Meta Spark's platform of third party tools and content will no longer be available effective January 14, 2025.

https://spark.meta.com/blog/meta-spark-announcement

5.Snapchat Lens Studio

https://ar.snap.com/lens-studio

6.TikTok Effect House

https://effecthouse.tiktok.com/

7.Unity AR Foundation

https://docs.unity3d.com/Packages/com.unity.xr.arfoundation@6.0/manual/index.html

8.It'smeShaina(2021), NEW TRENDING INSTAGRAM FILTERS 2021

https://www.youtube.com/watch?v=vDFFE-yyQ1c

 
失智症是可以有效預防的!運用AI智慧互動科技,守護高齡長者防失智
FIND研究員:羅偲芸 隨著全球人口高齡化的加速,神經退化性疾病如失智症已成為各國迫切關注的健康議題。在臺灣,失智症患者的數量正在逐年增加。根據衛生福利部2024年3月最新統計,全國社區65歲以上長者失智症盛行率為7.99%,亦即100位65歲長者中約有8位可能罹患失智症 ...
 
從風雲變幻到精確預報:AI 如何改變天氣預測的未來
FIND研究員:鄭旭堯 隨著科技進步,天氣預測已經從古代的觀察與歸納,逐漸轉變為高度依賴數據與計算的現代化科學。人工智慧(AI)技術的出現,更是大幅提升了天氣預報的準確性與效率。與目前主流的「數值天氣預測」(Numerical Weather Prediction, NWP)模型的差異在於 ...
 
何時得開始吃血壓藥?降血壓藥得吃一輩子?
有些人被醫師診斷得了高血壓,但很擔心吃了降血壓藥之後,得吃一輩子,因此遲遲不吃藥,到底何時該吃降血壓藥來治療高血壓呢?吃了之後,真的會吃一輩子嗎?有可能吃了一段時間之後會正常,不用再吃了嗎?降血壓藥如何正確吃?有沒有什麼禁忌要注意?跟食物和保健食品之間的禁忌?

台灣沒有核能可以嗎?微型光電廠能掀起屋頂綠色革命嗎?
中央推動綠電多年,盼加速跟上國際淨零減碳的趨勢,但時至今日,大型綠能建設蓋或不蓋卻經常引起爭辯,民眾對相關設施的質疑日益湧現,面對能源轉型,台灣還有哪些選擇?另綠電合作社如何透過公民參與的方式,在屋頂設置太陽能板生產綠電,解決台灣能源自給不足的問題,同時,他們在發展案場的過程中,又遇上哪些難題。
 
本電子報著作權均屬「聯合線上公司」或授權「聯合線上公司」使用之合法權利人所有,
禁止未經授權轉載或節錄。若對電子報內容有任何疑問或要求轉載授權,請【
聯絡我們】。
  免費電子報 | 著作權聲明 | 隱私權聲明 | 聯絡我們

沒有留言:

張貼留言