產業AI化必須往前走 ChatGPT只是亂流

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