最近，一只叫做“ChatGPT”的聊天机器人被大家广泛讨论。

ChatGPT是由美国人工智慧研究机构“OpenAI”开发的一个人工智能聊天机器人程序，它目前以文字方式交互，除了可以通过人类自然对话方式，还可以用于相对复杂的语言工作，包括自动文本生成、自动问答、自动摘要等多种任务。

ChatGPT于2022年11月推出，一经发表，短短两周内吸引了上百万人使用，OpenAI的估值也已涨到290亿美元。而目前，由于人数众多，想使用ChatGPT要先进入waiting list等候。

到底是什么让ChatGPT如此火爆？它的出现又如何改变了现有的人类对话方式呢？

请看完这篇文章。因为这就是我和ChatGPT一起完成的。猜得出哪些是AI写的？哪些是真人写的吗？谜底在文章最后揭晓。

想了解ChatGPT，首先让我们回顾一下生成式AI的发展之路。

生成式AI (Generative AI)，是指让“机器学习模型”研究类似作品的数据，然后自行创造一个全新的作品，作品包含广泛，可以是文字、图像、音频、影片、程式码、甚至是建筑设计。

过去七年，Google、Meta等科技巨头，以及微软投资的OpenAI，都在打造Generative AI的语言模型 (Language Model)。这三家先驱者用大量电脑运算能力和数据“训练”这些语言模型，让它们能自己创作内容。

训练过程，可分成三个阶段：

1、萌芽期 (2015年之前)

这个时期只有小型模型，但这些模型只能作用于数据分析，如预测外送抵达时间、诈骗讯息分类等，而在模仿人类语言的“内容创作”上并不及格，无法写出像真人创作出的文字作品、方程式或者是绘画类作品。

 2、突破期 (2015年至2022年)

2017年，Google Research发表“Transformer模型”，直译为“变换器”，是一种采用自注意力机制的深度学习模型。这一机制可以按输入资料各部分的重要性，来分配不同的权重。该模型主要用于自然语言处理（NLP）和电脑视觉（CV）领域。是自然语言运算（Natural Language Processing, NLP）领域的里程碑。

变换器的训练时间少，产出作品质量却大幅提高。且更容易针对各应用领域的需求客制化。如Meta开发的OPT-175B、BlenderBot；Google开发出BERT、LaMDA；微软投资的OpenAI开发出GPT-3（用于文字）、DALL-E2（用于绘图）、Whisper（用于语音辨识）。

这些模型的训练成本很高。例如，GPT-3最初在45TB的数据上进行训练、运用了高达1750亿个参数来预测结果，单次训练就要1,200万美元。中国的悟道预训练模型，则使用了1.75兆个参数进行训练，动员了清华大学、北京大学、中国科学院等机构的资源。

2015年到2020年之间，训练这些模型的计算量增加了六个数量级，使得这些模型能够以高水平、甚至超越人类的水平，来执行任务。

因为需要庞大资源才能运转，成本还没降低到可以供大众在云端使用。在这个阶段，模型并没进入大众视野，直到2022年底，ChatGPT的颠覆应用。

3、业界落地期（2022年至今）

生成式AI的一夜爆火，跟运用成本降低有着密不可分的关系。

随着新技术如扩散模型（Diffusion Model）出现，训练和营运成本都在逐渐降低。Google等公司陆续公开这些模型，让开发者可以试用。

当核心的生成模型被训练出来后，不用太大量的数据，就可依据各领域进行客制化调整。于是Google开发的BERT便有专注生医领域的模型BioBERT、法律领域的模型Legal-BERT。这让很多专业人士也开始试用。

然后在2022年，生成式AI在一般大众之间爆红。

文字影音等多种内容，AI都可以做得比人更好。

2022年，生成式AI出现了杀手级应用，让一般大众开始使用。如绘图领域的Midjourney、Stable Diffusion、DALL·E2，以及聊天机器人ChatGPT。

同时，先驱者公开它们的语言模型（如OpenAI开放GPT-3），让新创公司省掉耗费金钱和时间的训练阶段，直接在各专业领域推出应用产品。

这些新创涵盖的范围，不仅是透过文字生成文字、图片、声音、程式、音乐、影像、3D、NFT，甚至可以反向操作，用语音生成文字（如逐字稿应用）、图片生成图片（如快速去背、图像编辑）、连结生成文字（如快速撷取url网页内文产出脚本）、影片生成影片（如从会议影片快速生成部落格文章、推特推文、精彩花絮等等）。

以商机庞大的行销产业为例，生成式AI的商业应用潜力已经相当惊人。从文章撰写、SEO优化、影片编辑、社群行销文案产生、广告素材生成等，全部有AI可帮你代劳。

各赛道都塞满竞争者：博客文章点子产生器有Hubspot Blog Ideas Generator, Portent Idea Generator；文案优化内容产生器有Jasper, Writesonic, TextCortex；文字生成广告素材图片可用Memorable；文字生成行销影片 有Synthesia, Movio……

从点子发散，到实际撰写内容、拍摄图片、拍摄影片，如今生成各式各样的行销素材，都可以坐在电脑前面一键完成。不需抓耳挠腮、冥思苦想，也不必为了打光跑进跑出，NG重来数遍。

美国已有许多公司开始采用这类的AI工具。如云端运算大厂VMWare的内容行销人员，就运用Japser产出行销邮件内容、广告文案、社群内容。

当AI已经可以执行大部分的写作任务时，写手就可以专注于寻找更好的写作题材、研究内容方向、制定内容策略方向。这种跟AI玩换位的现象，已经在大企业发生。

另外，如摩根士丹利 (Morgan Stanley) 银行也透过GPT-3，来为客户创造客制化金融内容。由真人用特定字眼来提示(prompt) AI，然后由AI创造初稿，然后再由真人来编辑、审稿。

行销领域，只是生成式AI应用的冰山一角。

根据美国知名创投公司——红杉资本 (Sequoia Capital) 的分析，生成式AI也可用于自动创作程式语言、艺术作品、游戏、产品设计等。

AI百花齐放，人类何去何从？大风吹之后，还有我们的位子吗？

当生成式AI产出可以大量、快速、客制化创作优质内容，人类的价值何在？

几个趋势已经注定回不去了：

一、AI将成为“功能性”内容撰写的主力

这类内容有明确架构、重复性高，目的在于传递讯息、提供清晰、必要的说明。不需传达个人风格、品牌、形象。不需感性或阐释。

例如促销讯息、折扣码说明、产品说明书、社群贴文、教育训练影片、广告企划案、研究报告、白皮书、业务企划书、说明书， 这些内容都可以透过AI工具快速做出草稿，微调后即可发送。

也就是说，行销、业务、营运、客服都能透过AI节省大量人力。换句话说，在这领域，AI最容易取代人类的价值。

2、AI当手，人类当脑

内容人才的价值已经不在于“写”，而在于捕捉市场趋势、时事动态、客户心态，制定最符合当下时空背景的内容策略。

目前的AI虽然能高效产出内容，但还无法分析受关注的时事议题、市场趋势，找出可切入的内容策略。另外，AI也还无法同理、模拟客户的心理，也不能推测客户可能会想看的文章。AI也还无法统整公司内部的资料库，从中挖掘有价值的主题制成内容。

进入AI创作时代，人类的最大胜算是换位当大脑，把手的工作都让给AI。洞悉观赏者的情绪与需求，才能在新的内容混战中杀出血路。

生成式AI加速了内容产制，会让内容更为泛滥。乱军中，能吸引到眼球的内容，有可能在于内容更紧贴时事、更迎合观赏者的心理状态，更能贴近社会上弥漫的各种情绪，或更具备个人独特的风格与特色。

生成式AI还在以凶猛的态势发展——2022年爆红，2023年将预计将多点开花。生成式AI的供应商——OpenAI，因ChatGPT一夕爆红。得到微软新一轮高达100亿美元的融资，让公司估值高达290亿美元。微软看好无数的第三方公司将可透过OpenAI的API打造全新应用服务，用AI改变商业运作流程。

AI创作引领的新时代就在眼前，而这一切都才刚刚开始。

这篇文章的第一、第二章节的事实陈述部分，是ChatGPT写下的初稿。经考量，将复杂专业的初稿简化。第三章节的预测洞见为人为撰写。这种合作模式，未来可能会大幅应用于各行业的内容制作。