生成式AI解析與顧問業對應
- 發佈日期：
【AI時代的典範轉移】
自從ChatGPT開始成為熱門議題以後，各種AI應用諸如：寫書、畫圖、作文甚至寫詩…等，開始被廣泛討論。加上輝達－黃仁勳總經理最近在台灣颳起一陣AI旋風，AI的應用逐漸從專業領域走向各種民生應用，生成式AI更是熱點議題，其對各行各業都將有所衝擊。而顧問業做為知識產業之一，在這一波浪潮中又將受到什麼影響，本文從知識工作者的角度，提出身處AI時代的企業與個體發展建議。
既然這一波熱潮的起點之一是輝達，那我們就來看看這個議題引領者對AI發展的觀點，下圖是輝達在2023年商周中所發表，其對AI發展進程之看法。
在上圖中其認為這波從電腦到手機典範轉移的主要動力是「AI應用終端」的大幅增長，這樣的增長使應用擴散，在物聯網多樣化資料收集節點的支援下，AI發展得到最大的支持，而促成AI發展的底層之一「運算能力」便成為所有要發展AI應用企業的剛性需求，這正是輝達的底氣所在。
與其說上述流程是典範轉移，我更將之認知為「典範疊加」，PC與手機在上述轉移過程中並沒有消失，而是各自有了更明確的應用分工，未來，我相信二者依然會存在，只是附加了更多的AI應用，這個觀點是我們討論未來應用的基礎認知，電腦的情境，代表了固定地點、高精度、監控需求的應用情境；手機的情境則代表了需要即時反應，高度差異化的應用情境。
【生成式AI出現的驅力】
要談一個技術趨勢的未來應用，要先了解促進其生成的驅力，因為這會是持續在未來發揮影響的要素。
業界一般將1956 年美國達特茅斯學院（Dartmouth College）所召開的第一次人工智慧會議視為人工智慧學科的起點，過去這段時間AI的應用離不開「語音辨識、影像辨識與自然語言處理」等三大基礎應用範疇。限制一個技術發展的硬性門檻是其「使用成本」，就如同電腦的普及化，也是因為使用成本大幅下降，才讓電腦的使用走出工業領域，進入個人領域。
最近的AI興起亦然，AI應用需要大量資料的收集、儲存與電腦運算，這些工序的成本高昂，所以多用在醫療、國防、精密工業等有大資本支持的領域，而近年的物聯網興起，讓資料收集成本大幅降低，更關鍵的是收集到「來自個體使用端」的人類反饋資料，促使AI從人類的「行為、反應」而被訓練得更接近人類思考。
再者，雲端儲存技術讓儲存成本降低，CPU運算力的提升讓資料處理成本降低；再加上發展至今，各種演算法逐步被優化，從而讓AI應用總體使用成本大幅降低，也才有各種能被大家使用的AI應用出現。（總體發展觀點可參閱下圖）
而關於生成式AI與過去分辨式AI的差異，筆者將之歸納為兩種形式，以利讀者理解：
﹡分辨式人工智慧（Discriminative AI）
期望AI扮演著如同管理者般的角色，對AI應用設定有明確目標，所用來訓練AI的資料也多是被明確標記，通常有明確的變數設定與明確的結果反應邏輯；但在應用上，面對誤差的容忍度低，希望盡可能精確，因為一旦出錯，將造成很嚴重的後果，帶來較大的經濟損失，多半應用於醫療研究、精密工業或投資預測領域。
這類AI應用的最大意義，在於人類可能不會記住龐大的歷史數據與資訊來下決策，但AI的決策，皆可確保是建構在明確數據的基礎上，因此可預期的較人腦精確。
﹡生成式人工智慧（Generative AI）
期望AI扮演著類似創作者的角色，對AI應用採取開放式的態度，所用來訓練AI的大多資料也未標記其屬性之數據，期望從大量數據中歸納出對使用者有意義的邏輯規則，再進一步優化這些規則，在應用面不要求精確，期望有多樣性的呈現；目前多應用於商業服務業，尤其是娛樂領域。
人類也許無法面對所有類型的顧客於溝通上的問題，以及所有情境要素之排列組合，但AI可在大量不同使用者的基礎上，找出最大化且不同情境之下「最有利的結果」，同時也能為創作工作提供各種類的基礎模型，加速各種創作的速度。
陽明大學－李育杰教授在其文中提到：生成式AI的資料應用形式與判斷式AI最大區別在於「沒有使用被標注（被標籤）的資料」。判斷式AI的訓練資料都被標記其特徵而，而被規範了「意義」，例如「機車」是一種交通工具，而現實情境中「機車」也可用來形容某種人格特質。而生成式AI則讓資料透過「被使用的線索、經驗或常態」來推論出可能的脈絡，因此，同樣的資料可能衍生出不同的應用，而不像分辨式AI般，最終將收斂成一項最佳結果，也因此，用AI創作的可能性得以出現。
【生成式AI的應用案例與其代表意義】
﹡AI寫作
2022年底，Ammaar Reshi（一位毫無寫作經驗的素人）應用ChatGPT編寫了一本童話故事書，搭配使用圖片生成AI Midjourney繪製插圖，短短72小時就上架在亞馬遜，而目前亞馬遜上已有超過200本以類似方式創作之商品。
﹡AI填詞
2021年起，台灣知名音樂服務提供者KKBOX和其背後的資料科學團隊KKLab 就開始投入應用AI來創作華語歌詞，以華語歌詞、古詩詞為文本，並邀請了20多位詞曲作家與音樂人加入，目前該應用以「Lyricist.靈魂寫手」為名，已經正式推出並開始進行收費服務。
﹡AI繪圖
2022年，亞馬遜宣告將在自有的雲端服務 （AWS）中，大力投資大型語言模型（LLM）和生成式AI，在保護個資的情況下，想讓顧客快速客製化所需的AI應用，其中一項功能甚至可依據產出的文案，自動生成對應圖像。如今光是在日本本亞馬遜上，就可看見超過1,500部，從人類到寵物，從真人到漫畫的AI繪圖作品。
﹡AI虛擬偶像
韓國影像技術業者Sidus Studio X打造虛擬偶像Rozy，其在2020年8月出道，目前在IG上有15萬活躍粉絲，2022年已為公司創造近NT$4,000萬收益。這可以說是集上述三個案例應用之大成，應用了繪圖、動態捕捉等技術，未來將加入ChatGPT作為技術基礎，發展與粉絲進行互動對話之功能，堪稱是全年無休、無道德瑕疵，無檔期衝突的完美偶像。
【顧問業該怎做】
從前述的幾個趨勢，可以發現生成式AI當下的應用，多在娛樂與媒體產業，但這個趨勢並不會長此以往，當下應用態樣的主因在於專業性的資訊與對話還不足以支撐AI「變得足夠專業」，就如同日常生活中對話一般，不會突然出現一位某領域的專家加入話題；但未來，小眾專家或是重度使用者的對話群體加入AI應用的可能性就會變高，如此，生成式AI應用的領域，也會漸漸進入到各種專業領域。在這種趨勢預期下，本文對顧問業與類似之知識產業，有以下建議：
﹡持續深耕專業領域 尤其單一主題的深化
未來決定AI品質的基礎將是「訓練模式」與「資料數據」之品質，若參與訓練基礎的顧問言之無物，則生成的訊息也會很薄弱。有鑑於生成式AI的特性是創造各種可能，所以顧問鑽研之方向應該是朝向一項專業議題，盡量去深掘、細切，讓自身對這個議題有多樣的見解；假設是「問題分析與解決」這樣的基礎專業，期盼能細化為不同產業、規模或區域等各種條件下之多元論述，更期望在解決方法上能有創新見解。所以顧問未來應該深化單一議題之專業方向與發展。
﹡梳理數據資產
針對顧問公司的組織層級，未來在AI應用不應只著重於生成式AI應用，判斷式AI應用更可以是顧問公司「主要」用以推導顧客需求之工具，時下顧問公司有很多智財，規模較好的公司會建構「統一知識庫」，次之則零散存於組織當中，就算有知識庫，也鮮少對這些智財資料進行分類並進行「數據價值與變量」定義；建議顧問公司，就現有的「明確價值產出」訊息著手，例如：將成功的輔導經驗或專案執行紀錄進行歸類，區分這些價值產出分屬哪些領域？產出哪些價值型態？再進一步區分這些訊息中有哪些影響價值產出的「變量」？是否採用了某些技術？克服了哪些問題？．．．．．．等，如此，這些有價值的訊息就成為「被標記」的資料，可進一步提供給AI進行「資料數據」學習；因應未來趨勢，顧問公司應該將自身的知識智財轉化成適合AI應用的型態。
﹡創造訊息促用模式
Google台灣前總經理－簡立峰在2023生成式AI衝擊工作坊的演說上發表過一段論述「能力和數據固然是策略性資源，但網路巨頭沒告訴你，真正重要的策略性資源叫『使用』。使用才是真正的進入障礙。被大量使用的服務，能更好地了解用戶需求，從用戶反饋中微調。」，當下很多生成式AI以免費使用的型態對大眾開放，正是因為其需要透過「使用」來增加AI的創造能力。
所以，未來顧問公司的重要業務之一：思考如何協助既有顧客的資訊在未來能「被使用」，這個使用觀點不只是促進人的使用，也可以是系統化的社會性機制。例如：設計一項「引發誘因」與「記錄反饋」之行為模式，再進行「行動紀錄」，檢視誘因被使用的狀況，就如同將一段訊息投入社會進行社會實驗。顧問公司做為產業與市場的中間人，是最佳的訊息促用模式設計者。
面對AI時代，知識工作者或企業無須擔心會被取代，反而這是放大自身價值的契機，當然，前提是自身能創造有價值的知識，而非知識搬運者；明白AI的底層技術邏輯，了解未來知識如何透過這些技術來擴散，做出相對的適性作為，在未來即可確保競爭優勢。
【參考文獻】
- 2023.李玟儀. AI霸主黃仁勳領軍，蘋果光退場，Nvidia時代登場！2023商業周刊855期
- 2020. Leadtek AI Expert.常見的AI應用與介紹. forums.leadtek.com/tw/post/1078
- 2023.李育杰.「生成式 AI」和「分辨式 AI」有哪裡不一樣.科技大觀園
- 2018.蕭佑和. 完整解析AI人工智慧：3大浪潮＋3大技術＋3大應用.大和有話說.
- 2023.陳愷昀.ChatGPT寫了超過200本書出版社：「不要再來了！」.
- 2021.楊又肇.KKBOX服務背後科學團隊KKLab打造歌詞神隊友「Lyricist.Ai」.
- 2023. 陳芳毓. 簡立峰：演算力即是霸權，OPEN才有AI .「2023生成式AI衝擊工作坊」演講精華
