人工智慧自 2017 年在台灣蔚為風潮，當時許多企業都在討論：「AI 可以怎麼應用在企業？白領工作者會不會被 AI 取代？」時至 2023 年，ChatGPT 的出現再次引發熱烈討論，不禁令人好奇，這些「ChatGPT們」的熱潮會持續多久？人工智慧科技基金會觀察，2017 年與 2023 年企業對於 AI 的問題基本毫無兩樣，此外，從《2022 產業AI化大調查》結果也發現，經過了四、五年，仍然只有不到三成的企業開始導入AI，究竟目前台灣產業AI化所面臨的關卡是什麼？

只是推理的引擎 而非事實資料庫

ChatGPT 會如何影響產業 AI 化？首先需要先認清它的本質，Open AI 執行長奧特曼(Sam Altman)就曾公開表示，ChatGPT 目前只是一個推理的引擎，而不是事實的資料庫。臺北科技大學管理學院院長范書愷解釋，「學習」可以分成統整、推論與演繹三個階段，ChatGPT是由 Transformer 模型加上增強式學習(Reinforcement learning)所形成，它具有強大的統整能力，透過搜集網路上的所有資料，接著按照分數高低推測最有可能的下一段語句，形成一段看似合理的對話。

但是真的合理嗎？范書愷舉例，目前除了文字版的 ChatGPT，也有生成圖像的 GPT，假設今天給電腦一串文字指令「請畫出車水馬龍的場景」，「結果它真的會在地上畫了很多水、上面有車、有馬，還有一條龍。」他提到，ChatGPT 因為有強大的算力，統整能力很強，有能力理解大家熟知的生活嘗試和日常體驗，例如動物、交通工具等所謂的一般情境。不過從統整到推論，還在成長的階段，目前大概僅有10%，這也是為什麼大家對 ChatGPT 的評論經常是「一本正經胡說八道」。更遑論演繹，因為當初設計的時候就沒有把演繹的能力放進去。

讓AI進入流程 形成結構洞整合異質GPT  

回到產業AI化，范書愷認為，現在最大的問題是AI並沒有完全進到流程，仍然屬於單點或是僅停留在提升個人工作效率。

以製造業而言，從輸入、執行到輸出，最大的夢想便是生產流水線(Production Pipeline)的執行全部交由機器主導，不再由人類介入。此時，應該將大量的關注轉而放在輸入(Inbound)跟輸出(Outbound)的部分。但這未來場景何時到來？「並未可知！但絕對可預期！」因為目前在執行流程中，仍有許多客製化的需求轉換，要求全部的流程自動化、智能化，以目前科技發展來看尚未成熟，不可能一步到位。

范書愷提到，無論是稱為智慧製造或是工業3.5，需要努力的方向即是將目前尚未程序化、自動化的部分臻於完善，讓原本需要百分百人力處理的流程，可以有六成以上交由機器自動完成，而不需要人力介入，此即所謂的協助智慧(Assisted Intelligence)。然而ChatGPT的出現，加速推展通用人工智慧(Artificial General Intelligence, AGI)的進程，最後發展到自主性智慧(Autonomous Intelligence)也只是早晚問題。

在這樣的前提下，ChatGPT 可以怎麼進入生產流程？范書愷提到，ChatGPT 可以成為不同流程，甚至整條供應鏈中間的「結構洞」。社會學家羅納德．伯特將「結構洞」定義為社群或個體之間存在著尚未連結的空缺，如同網路結構中出現了一個空洞，如果有人填補，就能獲取兩個社群社會資本(social capital)所帶來的資訊與控制的優勢。范書愷舉例，某家汽車品牌廠有不同配件的供應商，ChatGPT 作為兩者中間結構洞的橋接媒介，供應商就可以透過 ChatGPT了解客戶需求，進而提供客製化、符合成本的獨特設計與服務，達到生產力加速器(Productivity Accellerator)的作用。

從策略面來看，假如高通正在進行策略規劃，它要選三星或是台積電成為策略夥伴？該如何判斷？這時候就可以透過結構洞中間雙方的異質 ChatGPT 整合，明確最佳合作夥伴。若是三星要求高通接下訂單，要怎麼判斷是否可以承接？范書愷認為，未來的場景將會是 ChatGPT 有能力自動化回覆，評估成本、交期及品質。因此，異質 GPT 之間的串連，進入流程，才能打通整條產業鏈的價值，達成真正的產業 AI 化。一旦打通，甚至也可以串連不同產業，例如醫療、運動產業。

更多精彩觀點，請見《產業AI化大調查》完整報告