Editor’sNote｜編輯台時間
工作和機會
大概一兩個月前，我在網路上看到暢銷書《人類大歷史》出了增訂版（2022年底），基於想了解內容有何異同，我點開了作者哈拉瑞（YuvalNoahHarari）寫的「新版序」。
文章前4段，這樣開頭和結尾：「我在2011年寫完《人類大歷史》之後，⋯⋯而那就是我想在這本書裡講的故事。」我完全忘了這幾段文字的讀後感，只記得從第5段起的敘述：「以上這些文字的英文原文，並不是由我（哈拉瑞）所寫，而是請一套強大的人工智慧（AI）程式模仿我而寫下。這套人工智慧名為GPT-3，是由舊金山一間專精於機器學習的研究實驗室所創。」
我讀到這篇序言時，正當ChatGPT在全球引爆熱議，激起了讚嘆、興奮、焦慮，甚至警覺和恐懼。哈拉瑞顯然在更早之前就體驗到GPT的威力，他的一些反應和回應，我只能說是感同身受：「GPT-3這篇文本最驚人的一點在於：它還真的是讀得通的，不只是把幾個句子隨機丟在一起，而有著連貫的邏輯。」「讀著那些文字，簡直下巴都要掉下來。」
雖然哈拉瑞在驚嘆之餘，也慶幸說，「這讓我暫時鬆了一口氣：GPT-3並不會搶走我的工作，至少看來還得再過個好幾年。」但是身為讀者，我得老實招認，在讀新版序的前幾段時，真的沒能評判出觀點的好壞、是不是出自作者，更別說看出是AI寫的了。對我來說，運用慣常的閱讀方式，那就是一篇流暢的文章，或許還點頭稱是了。
哈拉瑞士歷史專家，「對於GPT-3寫出的文字，我得花上1、2分鐘仔細閱讀，才能得出結論，知道那不是我寫的內容。」他也暫時不擔心工作被搶走。但是那個「至少看來還得再過個好幾年」，是幾年呢？到底是機器學習得快，還是人類學得快？
關於科技會搶走「人類工作」的議題，已經吵了幾百年。雖然這次有關AI的爭論，更多是關於「人類」本身，但是不可諱言，隨著人工智慧看似愈來愈貼近人類原本自以為無可取代的智慧，探討關於人與機器的關係，只會愈來愈迫切。
我安撫自身焦慮的方式，可以用我分別在2本書裡看到的段落說明。在《變動思維》提到，「在瑞典，國家的政策要保護的是人，不是工作。」在《5000天後的世界》裡，針對人工智慧將會衝擊沒有創造力，只能憑生產力存活的人這個問題，答案則是，「沒有人只能專門追求生產力和效率。」
人類具備學習的能力，可以learn，relearn和unlearn，如果機器可以幫我們做掉制式、機械、枯燥、乏味的工作，甚或協助我們發揮創造力，那這真的是一個好的時機去思考：我們到底要做什麼？還可以做些別的什麼？
總編輯
齊立文
BacktoBasics＿主題學習
生成式AI將如何影響你我的工作
從「競爭心理」轉「協作心態」，
聰明又不累的最佳助理報到！
採訪．整理．撰文｜林庭安 編輯｜張玉琦
在2022年11月30日，一個劃時代產品誕生，由美國人工智慧研究實驗室OpenAI打造的ChatGPT橫空出世，成為人工智慧（AI，artificialintelligence）領域最受歡迎、最普及的應用。上線2個月，月活躍用戶數就突破1億，成為史上用戶量成長速度最快的服務。
這個速度有多驚人？Facebook超過4年、Instagram過了2年、短影音平台TikTok用了9個月才達成。
ChatGPT能迅速普及，一大原因是容易上手，使用者只要跟它對話，它就能「聽懂」問題，給出有意義的「回答」，得到你過去可能要花很多時間完成的結果。比方說，它能根據要求產出各種文本，如產品計畫書、文案、詩歌、笑話、程式語言、劇本等。它具備了邏輯、溝通，和一定的記憶力，能進行連續對話。
立基於大型語言模型，
只要對話，就能生成文本
這種可用於文章、影像、音樂生成等創造性工作的AI，被稱為生成式AI（AIGC，artificialintelligencegeneratedcontent），ChatGPT、Midjourney、StableDiffusion、DALL．E等都屬於此。根據CBInsights統計，2022年ChatGPT、AIGC相關領域的新創募資超過26億美元，一共誕生6家獨角獸企業（指成立不到10年且估值達10億美元的未上市公司），估值最高的就是OpenAI。
根據OpenAI過往推出的GPT系列（生成式預訓練模型，generativepre-trainedtransformer），可以大致理解生成式AI是如何學習的。《都問AI吧！ChatGPT上手的第一本書》指出，GPT-3採用了Transformer架構，並在大量文本資料上預先進行訓練，因此能處理廣泛的自然語言任務。
Transformer是Google在2017年提出的模型，它們將自我注意力機制（self-attention）運用在自然語言處理（NLP，naturallanguageprocessing），簡單來說，就是讓模型閱讀大量文本資料，學習豐富的知識和文本生成技巧後，在被人們詢問時，就能分析、理解詢問，最終生成回答。設計者餵的資料愈多，大型語言模型獲得的素材就愈豐富，生成結果就愈精確。這也是為什麼這一波AIGC浪潮，會引起全世界的關注，因為它能用比人類快上10倍或20倍的速度產生內容。
實現「AI民主化」，
＝「鍵盤白領」噩夢？
台灣微軟（Microsoft）365事業部營運暨行銷事業群副總經理朱以方表示，生成式AI之所以會引起這麼多討論，是因為它實現了「AI民主化」。過去，AI「可遠觀而不可褻玩焉」，必須是專業人士，才可應用；但現在，「AI的力量，賦權給每一個人。」
如果從歷史的角度來看，這次的AIGC大躍進，令人想到15世紀印刷術的發明。在中世紀的歐洲，書籍很稀少，只有少數人可以接觸知識。然而，當第一本印刷書《古騰堡聖經》問世後，世界面臨巨大轉變。《AI世代與我們的未來》寫道，當印刷書籍愈來愈容易取得，人和知識的關係就改變了。
當所有人都可以用AI寫程式、創作、繪畫，即使成果仍不及專業人士，但至少可以有60分，人類的未來會走向何處？
研究AI超過30年、前Google董事總經理簡立峰曾說，生成式AI衍生出的內容生產工具，是「鍵盤白領」的噩夢。換句話說，只要工作需要用到鍵盤、滑鼠的人，都會受到它的影響。
這句話聽起來很嚇人，但《5000天後的世界》作者、曾精準預測科技趨勢演變的凱文．凱利（KevinKelly）表示，「人工智慧會奪走還是創造工作」的議論，會一直延續下去，不過他認為整體而言會出現更多工作。
以健康的恐懼面對，
盡快熟悉你的「新同事」
資料視覺化公司李慕約共同創辦人李慕約認為，這波浪潮，一開始大家會覺得它可怕，但恐懼無法阻止事情發生，我們能做的，就是早點準備。也就是說，要以「健康的恐懼」面對AI，不要逃避現實，而是找到現在可以採取的行動。
接觸、學習AI工具，就是我們現在能做的事。不過，生成式AI的技術演進，不像過去的新技術是以「年」為單位，更新周期加速到周、月，「現在進入一個快速學習的時代，要不斷練習，就像慢跑需要肌肉，我們必須練習到長出『AI肌肉』。」
每當有新生產力工具出現時，電腦玩物站長Esor都是第一波使用者。他認為，很多人在面對新工具時，會有一種競爭心理，因為害怕被取代，所以只注意它出錯、不及人的地方，但是「這種心態，沒辦法發現ChatGPT的好。」
Esor強調，我們應該轉換成「協助者心態」，認知它可以幫助我們跳過瑣碎的工作，加速產出，提升內容品質。不過，這就回到你是否理解工作流程的本質，「當你平常就有生產力，就表示你知道如何分析自己的工作，也才會知道在一個任務裡，哪些環節可以請AI幫忙、哪些環節需要自己執行。」
這也是《經理人》企畫專題的初衷，我們挑選了數十種你可以應用的情境，希望你能嘗試、體驗AI工具的能力，也能藉此思考如何與它結盟，站上這波浪頭乘浪而起。
發展70年，
AI迎來
大爆發時代！
1956
萌芽期
電腦科學家約翰．麥卡錫（JohnMcCarthy）提出「人工智慧」（AI，artificialintelligence）一詞。
麥卡錫與電腦科學領域學者，在「達特茅斯會議」定義4大AI目標：1.懂得使用語言；2.解決只有人類可以處理的高難度問題；3.能將資料抽象化和概念化；4.可以自我改進。
1965
第一次寒冬
史上首見能與人類對答的機器人ELIZA，但只能在非常有限的框架下運作，沒辦法處理「規則外」的問題。
1970
美國、英國政府取消AI研究經費。科學界觀察到，有些對人類來說輕而易舉的事，對計算能力優於人的機器卻非常困難，稱之「莫拉維克悖論」（Moravec’sparadox）。
1980
1980年初
「專家系統」為具有專門知識的運算系統，它讓AI能推論特定領域的邏輯，進而回答問題，被用在某些疾病的診斷、龍捲風預測等面向。
第二次寒冬
1980年代末期～1990年代
把人類的專業編寫成規則輸入AI系統，但翻譯和影像辨識等領域，沒辦法抽象化和系統化。發現AI表現遠不及人類，應用有限，發展開始變慢。
1990
快速發展期
網路資訊爆炸，加上半導體晶片技術進步，降低設備成本，提高計算速度。神經網路（neuralnetwork）、機器學習（machinelearning）相繼開發成功。
1997
IBM的超級電腦DeepBlue打敗世界西洋棋冠軍。
2009
生成式AI的3波浪潮
浪潮1：小型模型主導（2015年以前）
微軟（Microsoft）推出Azure，Google為GooglePlatform，雲端大戰開打。
2011
IBM的人工智慧系統Watson在益智節目《危險邊緣》（Jeopardy!）中打敗人類奪冠，展現機器已能理解人類語言。
2013
Google發表自然語言處理技術Word2vec，能分析詞彙上下文關係與語意。
2013
AI公司DeepMind讓演算法用深度學習與強化學習去玩遊戲，在6場比賽中贏過人類3場；特斯拉（Tesla）發布第一版自動駕駛技術AutoPilot。
圖片提供｜維基百科、YouTube、Bing官網、ChatGPT官網
2014
Google收購DeepMind，成為世界領先的人工智慧實驗室之一。
DeepMind
2015
浪潮2：規模化戰爭（2015〜2021年）
非營利組織OpenAI成立，成立使命是實現通用AI，打造一個能夠像人的心智一樣，具有學習和推理能力的機器系統。
2016
DeepMind的AIphaGo擊敗世界圍棋冠軍李世乭；Google推出AI虛擬助理GoogleAssistant。
GoogleAssistant
2017
Google提出Transformer模型，在翻譯、英語句法分析等評分都達到了業界第一，成為當時最先進的大型語言模型。
2018
OpenAI
OpenAI公布第一代GPT（generativepre-trainedtransformer，生成式預訓練模型），將Transformer結合無監督的預訓練技術，效果比當前的已知演算法要好，為大語言模型的探索性先驅。
Microsoft
2019
7月，重組後的OpenAI獲得微軟10億美元投資，加速AGI（artificialgeneralintelligence，通用人工智慧）開發與商業化。微軟的Azure為OpenAI獨家雲端運算供應商。
2019
2月，OpenAI宣布GPT-2模型，用15億參數訓練。3月，山姆．阿特曼（SamAltman）出任OpenAI執行長，因應資金需求，將組織轉型成兼具營利與非營利性的「利潤上限」實體。強調如果OpenAI完成使命，投資者和員工可獲得有上限的報酬。
GPT-2
2020
微軟買斷基礎技術的獨家許可，獲得技術整合的優先授權，將GPT-3用於Office、搜尋引擎Bing等產品中。
Bing
2020
5月，GPT-3問世，是當時全球最大的預訓練模型，參數高達1750億。相比GPT-2，它在文案寫作和總結、翻譯、對話等任務中表現更加優異。
GPT-3
2020
在圍棋博弈演算法AlphaGo後，DeepMind轉向蛋白質結構預測，提出AlphaFold深度學習演算法，並在國際蛋白質結構預測比賽CASP13中取得優異成績。
2021
1月，OpenAI發布了DALL．E模型，可從文字描述中生成圖像；8月，發布Codex，訓練資料包含自然語言及數十億行公開的原始程式碼。
2021
5月，Google在I/O大會發布人工智慧系統LaMDA，與人對答更流暢自然。
GLaMDA
2022
浪潮3：運算更快、更便宜（2022年以後）
1月，OpenAI發布InstructGPT，加入人類協作訓練，讓回答更加精準；4月，發布第二版DALL．E，效果更逼真、細節更豐富、解析度更高；9月，OpenAI發布Whisper語音辨識預訓練模型，支援多種語言，且完全開源；11月，OpenAI公布ChatGPT系統，能幫助人類寫程式、解釋技術、多輪對話、寫劇本或文件等。
ChatGPT
2023
MicrosoftTeams
2月，微軟在Teams裡嵌入ChatGPT功能，可自動生成會議筆記、推薦任務和個性化重點等。2月8日，微軟推出由ChatGPT和GPT-3.5提供支援的全新搜尋引擎Bing和Edge瀏覽器，市值一夜暴增逾800億美元。
2023
ChatGPT在2個月內月活躍用戶達到1億。；3月，OpenAI推出GPT-4，能辨識圖像。
GPT-4
2023
2月4日，GoogleCloud與Anthropic建立合作夥伴關係。2月7日凌晨，推出由LaMDA模型支援的對話式AI，名為Bard。但在線上Demo時Bard出錯，Google市值蒸發千億。
資料來源｜《瘋ChatGPT》，博碩；《寫給中學生看的AI課》，三采；《AI世代與我們的未來》，聯經；
〈生成式AI〉（暫譯，原文為GenerativeAI：ACreativeNewWorld），紅杉資本
EDGE AZURE DEEPMIND 訓練 GOOGLE TRANSFORMER TEAMS AI 微軟 WATSON DEMO 模型 AIGC 語言 特斯拉 文字 TikTok BING
