創新點：AI已能根據簡單的文字指令來創作文字、圖片、影音、設計。原本做這些事的人怎麼辦？
本文有3大重點：1. 「生成式AI」(Generative AI) 的發展歷程 2. 文字影音等多種內容，AI都可以做得比人更好 3. AI創作時代，人類如何「換位子」？
2022年末，網路上最受討論的，是一隻聊天機器人—「ChatGPT」。由美國人工智慧研究機構「OpenAI」發表，短短兩週內吸引了上百萬人使用。專家認為，「ChatGPT」的出現，跟智慧型手機、網際網路的出現一樣，將根深蒂固地改變人類的工作和生活。
「ChatGPT」的「生成式AI」(Generative AI) 技術，讓任何人都可以用簡單的自然對話（而非程式語言），指揮AI創作各種內容。
什麼是「生成式AI」？如何爆紅？目前有哪些應用？而人類在AI創作時代如何「另謀高就」？
這篇文章的首圖是我用AI繪圖工具「Stable Diffusion」完成的，而文字是由我和「ChatGPT」一起完成。猜得出哪些是AI寫的？哪些是真人寫的嗎？謎底在文章最後揭曉。
1. 「生成式AI」 (Generative AI) 的發展歷程
生成式AI (Generative AI)，是指讓「機器學習模型」研究類似作品的數據，然後去創造一個全新的作品，可以是文字、圖像、音訊檔、影片、程式碼、甚至建築設計。過去七年，Google、Meta等科技巨頭、以及微軟投資的OpenAI，都在打造Generative AI的「語言模型」 (Language Model)。這三家先驅者用大量電腦運算能力和數據「訓練」這些「語言模型」，讓它們能自己創作內容。訓練過程，可分成三個階段：
A. 萌芽期 (2015年之前)：
只有小型模型。這些模型在「數據分析」上表現出色，如預測外送抵達時間、詐騙訊息分類…等。但在模仿人類語言的「內容創作」上並不及格，無法像真人一般寫作、寫程式、畫圖。
B. 突破期 (2015年至2022年)：
2017年，Google Research 發表「Transformer模型」，是自然語言運算 (Natural Language Processing, NLP)領域的里程碑。Transformer模型需要被訓練的時間比以往少，產出的品質卻大幅提高，並且容易針對各應用領域的需求客製化。（詳細可參考維基百科之介紹）
如Google開發出BERT、LaMDA。Meta開發的OPT-175B、BlenderBot。微軟投資的OpenAI開發出GPT-3（用於文字）、DALL-E2（用於繪圖）、Whisper（用於語音辨識）。
為什麼都是富可敵國的大公司？因為訓練這些模型的成本很高。
例如，GPT-3最初在45TB的數據上進行訓練、運用了高達1750億個參數來預測結果，單次訓練就要1,200萬美元。中國的悟道預訓練模型，則使用了1.75兆個參數進行訓練，動員了清華大學、北京大學、中國科學院等機構的資源。
2015年到2020年之間，訓練這些模型的計算量增加了六個數量級，使得這些模型能夠以近乎、甚至超越人類的水平，來執行任務。
只不過在這個階段，這些模型並未進入大眾視野。因為他們需要龐大資源才能運轉，成本也還沒降低到可以供大眾在雲端使用。
C, 業界落地期（2022年～）：
隨著電腦運算成本降低、新技術如擴散模型（Diffusion Model）出現，訓練和營運行逐漸降低。Google等公司陸續公開這些模型，讓開發者可以試用。
當核心的生成模型被訓練出來後，不用太大量的數據，就可依據各領域進行客製化調整。於是Google開發的BERT便有專注生醫領域的模型BioBERT、法律領域的模型Legal-BERT。這讓很多專業人士也開始試用。
然後在2022年，生成式AI在一般大眾之間爆紅。
2. 文字影音等多種內容，AI都可以做得比人更好
2022年，生成式AI出現了殺手級應用，讓一般大眾開始使用。如繪圖領域的Midjourney、Stable Diffusion、DALL·E2，以及聊天機器人ChatGPT。本篇文章的首圖，就是DALL·E2以20世紀初法國後印象派畫家塞尚（Paul Cézanne ）的風格創造的作品。
同時，先驅者公開它們的語言模型（如OpenAI開放GPT-3），讓新創公司省掉耗費金錢和時間的訓練階段，直接在各專業領域推出應用產品。
這些新創涵蓋的範圍，不僅是透過文字生成文字、圖片、聲音、程式、音樂、影像、3D、NFT，甚至可以反向操作，用語音生成文字（如逐字稿應用）、圖片生成圖片（如快速去背、圖像編輯）、連結生成文字（如快速擷取url網頁內文產出腳本）、影片生成影片（如從會議影片快速生成部落格文章、推特推文、精彩花絮..等等）。這裡有網友整理出的生成式AI的各類型應用。
以商機龐大的行銷產業為例，生成式AI的商業應用潛力已經相當驚人。
從部落格文章撰寫、SEO優化、影片編輯、社群行銷文案產生、廣告素材生成…等，全部有AI可幫你代勞。各賽道都塞滿競爭者：
（以下只列出部分）
| 行銷工作 | 新創公司 |
| 部落格文章點子產生器 | Hubspot Blog Ideas Generator, Portent Idea Generator |
| 部落格文章、社群貼文、email文案、SEO優化內容產生器 | Jasper, Writesonic, TextCortex |
| 文字生成廣告素材圖片 | Memorable |
| 文字生成行銷影片 | Synthesia, Movio |
(文字生成行銷文案公司Jasper的使用情境）
（文字生成行銷影片公司Synthesia的使用情境）
從點子發想，到實際撰寫內容、拍攝圖片、拍攝影片，如今生成各式各樣的行銷素材，都可以坐在電腦前面一鍵完成。不需抓耳撓腮、腸枯思竭，也不必為了打光跑進跑出，NG重來數遍。
美國已有許多公司開始採用這類的AI工具。如雲端運算大廠VMWare的內容行銷人員，就運用Japser產出行銷郵件內容、廣告文案、社群內容。當AI已經可以執行大部分的寫作任務時，寫手就可以專注於尋找更好的寫作題材、研究內容方向、制定內容策略方向。這種跟AI玩「大風吹，換位子」的現象，已經在大企業發生。
另外，如摩根士丹利 (Morgan Stanley) 銀行也透過GPT-3，來為客戶創造客製化金融內容。由真人用特定字眼來「提示」(prompt) AI，然後由AI創造初稿，然後再由真人來編輯、審稿，
行銷領域，只是生成式AI應用的冰山一角。根據美國知名創投公司——紅杉資本 (Sequoia Capital) 的分析，生成式AI也可用於自動創作程式語言、藝術作品、遊戲、產品設計等。
AI百花齊放，人類何去何從？大風吹之後，還有我們的位子嗎？
3. AI創作時代，人類如何「換位子」？
當生成式AI產出可以大量、快速、客製化創作優質內容，人類的價值何在？
幾個趨勢已經注定「回不去」了：
1.AI將成為多數「功能性」內容撰寫的主力：這類內容有明確架構、重複性高，目的在於傳遞訊息、提供清晰、必要的說明。不需傳達個人風格、品牌、形象。不需感性或闡釋。例如促銷訊息、折扣碼說明、產品說明書、社群貼文、教育訓練影片、廣告企劃案、研究報告、白皮書、業務企劃書、說明書，
這些內容都可以透過AI工具快速做出草稿，微調後即可發送。也就是說，行銷、業務、營運、客服都能透過AI節省大量人力。換句話說，在這領域，AI最容易取代人類的價值。
2.把AI當手，人類當腦：內容人才的價值已經不在於「寫」，而在於捕捉市場趨勢、時事動態、客戶心態，制定最符合當下時空背景的內容策略。目前的AI雖然能高效產出內容，但還無法分析受關注的時事議題、市場趨勢，找出可切入的內容策略。另外，AI也還無法同理、模擬客戶的心理，也不能推測客戶可能會想看的文章。AI也還無法統整公司內部的資料庫，從中挖掘有價值的主題產製成內容。進入AI創作時代，人類的最大勝算是換位子當大腦，把手的工作都讓給AI。
3.洞悉觀賞者的情緒與需求，才能在新的內容混戰中殺出血路：生成式AI加速了內容產製，會讓內容更為氾濫。亂軍中，能吸引到眼球的內容，有可能在於內容更緊貼時事、更迎合觀賞者的心理狀態，更能貼近社會上瀰漫的各種情緒，或更具備個人獨特的風格與特色。
生成式AI還在以兇猛的態勢發展——2022年爆紅，2023年將預計將多點開花。生成式AI的「軍火供應商」——OpenAI，因ChatGPT一夕爆紅。據傳將得到微軟新一輪高達100億美元的融資，讓公司估值高達的290億美元。微軟看好無數的第三方公司將可透過OpenAI的API打造全新應用服務，用AI改變商業運作流程。
AI創作引領的新時代就在眼前。或許我們害怕的是，這一切都才剛開始而已。
＊謎底揭曉：這篇文章的第一和第二點，有很多事實的陳述，是我引導「ChatGPT」寫下初稿。但機器人的初稿過度複雜專業，我考量《 創新拿鐵》讀者的屬性，大幅簡化。這篇的第三點則是挖掘洞見和預測趨勢，則完全靠我自己。這種合作模式，未來可能適用於所有內容的製作。
參考資料：
1.How Generative AI Is Changing Creative Work
2.Generative AI: A Creative New World
3.What’s New in Artificial Intelligence from the 2022 Gartner Hype Cycle
