發生什麼事
Chatgpt問世掀起一股新世代的AI浪潮。麥肯錫（McKinsey）提出一份最新生成式 AI 的調查報告，超過 40% 受訪者表示，因生成式 AI 的創新技術不斷出現，其所處企業持續增加對 AI 的投資，另有將近 79% 受訪者表示接觸過生成式 AI，更有 22% 固定在將生成式 AI 應用在工作上。
- 受訪者分布最多的行業領域是科技、媒體和電信業者，其次為金融服務業。
- 報告顯示，使用生成式 AI 工具最多的領域分別是行銷與銷售（ Marketing and Sales）、產品與服務發展（Product and Service Development）以及服務運作（Service Operations）。
機器學習 翻轉效率及準確率
生成式 AI 透過機器學習模型，模仿人類創作內容的模式和關係，並自行創造出新的內容，這些內容包括文字、圖像、數據或是資料分析等。訓練生成式 AI 模型時，最常用的方法是監督式學習，這種模型會用到一系列由人類創作的內容和相對應的標籤。根據 Google 發展 AI 技術對機器學習提出的解釋，機器學習的特性有：
- 利用演算法來分析大量資料、從深入分析資訊中學習，然後做出明智的決策。機器學習技術演算法經過訓練，藉由接觸更多資料會隨著時間提高效能。
- 機器學習模型是把資料輸出，或程式從訓練資料執行演算法而學到的知識，在過程中使用的資料越多，模型就會越準確。
- AI 是較為廣泛的概念，能夠讓機器或系統像人一樣感知、推論、行動或適應。
- 機器學習是一種 AI 應用程式，可讓機器從資料中擷取知識，並自動學習。
生成式 AI 的趨勢與挑戰
生成式 AI 透過不同指令的訓練後，可以處理大量資訊，再透過文字、圖像以及簡易格式，產生使用者需要的深入分析資訊和答案。前 Google 台灣總經理簡立峰出席 2023 台灣人工智慧年會時曾經對生成式 AI 提出他所觀察到的產業趨勢，包括：
- 35 至 44 歲的白領工作者如果 Chatgpt 的使用量增加、黏著度提高，就有機會提高生成式 AI 的生產力，甚至出現更多商業應用。
- 當 Google 和 Siri 開始串接大型語言模型，將會出現越來越多的人機對話介面。
- AI 逐漸普及，機器學習也開始平民化。
- 美國高盛曾經預測， AI 可以讓美國未來每年勞動生產力多出 1% 的成長，以此來看，雖然 AI 可能會衝擊工作機會，但是對少子化的台灣而言，卻能填補勞力不足的缺口。
然而要發展生成式 AI，也有不少挑戰需要克服：
- 訓練 AI 需要大量的計算資源，這需要龐大的運算能力，而且雲端運算成本可能尚未能支應這樣的發展。目前 AI 的模型能力受到「情境學習」和「概率預測」的限制，仍有相當大的侷限性，例如回答準確率不夠高，而且內容非即時、存有偏見，連結現實世界方面的表現較弱。
- 大型語言模型主要是英文，可能導致英語內容的壟斷，較難達到客製化機制，會造成答案都是一樣，無法因人而異，不同國家、不同語言獲得的答案會很類似。
- AI 許多運算資料是從網路上公開資料擷取，但是網路資料不會成長這麼快，目前能夠訓練 AI 的開放資料已經快要使用完畢，這將會是一大瓶頸。
日本新創公司 OneAI 看準 AI 科技的潛力，2018 年以台灣為中心，發展對話式行銷服務，他們利用 Google 以及 Chatgpt 的語言訓練模型，以 CVR (轉換率) 作為訓練 AI 的教師，開發出能夠自動生成「可以增加轉換率」的對話式行銷內容，並且在台灣和日本取得專利。旭時報透過採訪 OneAI ，帶領讀者進一步探索生成式 AI 如何應用在行銷領域，並建立出變現商模。
