專家論壇 | 發布日期 2023.07.19
人工智慧崛起 釋放經濟成長動能（上）
撰文｜產業分析師 蘇翰揚
圖片來源｜Adobe Stock
圖片來源｜Adobe Stock
人工智慧正帶動數位經濟成長更上層樓
根據全球顧問公司麥肯錫調查，生成式人工智慧對生產力的影響可能會對全球經濟帶來數兆美元的影響，生成式人工智慧每年可增加約 2.6 兆至 4.4 兆美元的收入，相較之下，英國 2021 年整體 GDP 為 3.1 兆美元，其潛在收入幾乎富可敵國。這將使人工智慧對經濟的影響提升 15% 至 40%，而如果產業將生成人工智慧嵌入至新的應用場景中，該數字預計將持續成長一倍有餘，成長幅度相當驚人。在整體生成式人工智慧中，能提供價值中約有 75% 分佈在四個領域：客戶營運、銷售與行銷、軟體工程與研發。該技術具備大幅改變現有工作結構的潛力，例如透過大量自動化來強化個別員工的能力，在現有工作中，事實上約 60% 至 70% 的時間皆能以自動化完成。
根據全球顧問公司麥肯錫調查，生成式人工智慧對生產力的影響可能會對全球經濟帶來數兆美元的影響，生成式人工智慧每年可增加約 2.6 兆至 4.4 兆美元的收入，相較之下，英國 2021 年整體 GDP 為 3.1 兆美元，其潛在收入幾乎富可敵國。這將使人工智慧對經濟的影響提升 15% 至 40%，而如果產業將生成人工智慧嵌入至新的應用場景中，該數字預計將持續成長一倍有餘，成長幅度相當驚人。在整體生成式人工智慧中，能提供價值中約有 75% 分佈在四個領域：客戶營運、銷售與行銷、軟體工程與研發。該技術具備大幅改變現有工作結構的潛力，例如透過大量自動化來強化個別員工的能力，在現有工作中，事實上約 60% 至 70% 的時間皆能以自動化完成。
技術自動化發展潛力巨大的原因在於生成式人工智慧理解自然語言的能力與機器學習能力強化；整體而言，生成式人工智能可顯著提高整個經濟體的勞動生產，但這需要投資來支持工人轉移或換工作。然而，企業也需要提供足夠的人機協作訓練，員工將需要學習新技能與部分程式能力，有些員工的職能可能隨之調整，也可能未來造成部分工作人力需求降低，麥肯錫建議企業必須先提前做好應對措施。
自投資面來看，生成人工智慧的資金雖然仍只佔人工智慧總體投資的一小部分，但投資金額數量成長相當快速，僅在 2023 年前五個月就達到 120 億美元，自 2017 年至 2022 年，創投與其他私人投資資金在生成式人工智慧的投資年複合增成長為 74%。這反映了部分的事實：ChatGPT 於 2022 年 11 月發布，四個月後，OpenAI 發布一種名為 GPT-4 的新型大型語言模型；2023 年 5 月，Anthropic 的生成人工智能 Claude 能夠在一分鐘內處理 100,000 個文本標註，相當於 75,000 個單詞，也是平均一本小說的長度。
同期，Google 宣布幾個由生成式人工智慧提供的新功能，包括搜尋引擎生成體驗和一個名為 PaLM 2 的新型語言模型，來強化公司旗下的 Bard 聊天機器人與其他 Google 產品。自投資的地區別來看，來自科技巨頭與創投公司的投資地區主要集中在北美，反映出北美目前在整個人工智慧發展上的主導性地位，據統計，2020 年到 2022 年，總部位於美國的生成式人工智慧業者相募資金約 80 億美元，佔該期間此類公司總投資的 75%，投資人也認為成長可期。
.png)
生成式人工智慧發展正往成熟路上邁進
所謂的生成式 AI，為可用於建立新內容的演算法（例如 ChatGPT），包括聲音、編碼、圖像、文本、影音視頻。第一個處理文本的機器學習模型是由人類訓練的，模型能根據研究人員設置的標籤對各種輸入的資料進行分類，例如將訓練有素的模型將社交媒體貼文標記為「正面」或「負面」，這類型的訓練被稱為監督學習，顧名思義，由人類來教模型做什麼。而目前的文本學習則使用所謂的「自我監督學習」，也就是自己來教自己，這樣的訓練涉及為模型提供大量文本，以便它能夠生成預測。
所謂的生成式 AI，為可用於建立新內容的演算法（例如 ChatGPT），包括聲音、編碼、圖像、文本、影音視頻。第一個處理文本的機器學習模型是由人類訓練的，模型能根據研究人員設置的標籤對各種輸入的資料進行分類，例如將訓練有素的模型將社交媒體貼文標記為「正面」或「負面」，這類型的訓練被稱為監督學習，顧名思義，由人類來教模型做什麼。而目前的文本學習則使用所謂的「自我監督學習」，也就是自己來教自己，這樣的訓練涉及為模型提供大量文本，以便它能夠生成預測。
參數是機器學習演算法的關鍵要素，猶如馬斯克與貝佐斯的太空競賽，科技巨頭的軍備競賽是「誰有最大深度學習的模型」，而參數的數量在這兩年成長速度相當驚人：2018 年最大的模型有 9,400 萬個參數，2021 年最大的模型 1.6 兆個參數，最大主因為 Google、Meta、Microsoft、Amazon 等巨頭推波助瀾所致，一方面向業界展現驚人的人工智慧競爭力，一方面也探索參數數量的極限。這些模型讓電腦可以撰寫報告、翻譯、文案、程式、遊戲等，甚至還能辨認語意中是否帶有諷刺或威脅性質的詞語。較著名的例子為 GPT-3，一個由在舊金山的非營利人工智慧組織 OpenAI 訓練與開發出來的大型模型，包含 1, 750 億個參數，這個模型目前由微軟於2020年取得獨家授權，自然也被列進模型戰爭的軍火庫。事實上，微軟也是 OpenAI 的股東之一。未來大型模型可能有科技公司或是一個/多個團隊開發，但可以確定的是，目前探索參數在模型中的極限是人工智慧發展的重要里程碑。
未來在元宇宙逐漸成熟後，企業能夠從使用者生成內容（User Generated Content，UGC）轉為人工智慧生成內容（AI Generated Content，AIGC）中尋找龐大商業行銷商機；當然， GPT-3 根據其吸收的累積訓練預測句子最有可能的下一個單字、寫故事、編歌曲，甚至寫詩，人類想得到的創作它幾乎都能做，或者已經正在學習如何做。這些現象皆已顯示出人工智慧的成長速度不斷提升，同時也帶來更深層的治理問題，從論文抄襲、專利模仿、智慧財產權盜竊、深度偽造都是社會上開始正式的潛在衝擊。新加坡、歐盟、美國及中國大陸等國家紛紛發佈 AI 治理工具箱、技術監管框架，而對企業開始要求對模型設計、開發、部署的人工智慧倫理風險審查流程，在機器學習、邏輯程式設計、模糊邏輯、概率推理及本體工程上有更多著墨。
.png)
生成式人工智慧能解決什麼問題？本身有什麼問題？
生成式人工智慧能在幾秒內生成各種可閱讀文章，同時回應社群評論，使文章更具說服力，這對產業皆造成影響，業者能使用人工智慧模型生成的即時的內容，除文字生成圖像外，甚至連音檔、影片、3D 模型等都能生成。部分科技業者已將這些模型強化自家產品服務，例如 Microsoft、AWS、Nvidia 推出軟體套件和開發框架，以支援生成式人工智慧模型開發和訓練；另外的做法是將這些模型套至現有服務中，例如微軟投資 100 億美元在 Open AI 主要目的之一就是將 Chat GPT-3 置入原有的 Azure（微軟的公用雲端服務平台），以及運用 DALL-E2 來推出文字生成圖像軟體 Microsoft Designer，照這樣下去，Google、Meta、Adobe 等企業應會採取對應措施，科技業之間未來應避免不了爆發一場人工智慧模型軍備競賽。
