幫你做 vs. 幫你整理:比ChatGPT更好用的「日常有感AI應用服務」正在浮現

我們想讓你知道的是
當廠商將AI加進服務之中,未來你可以問Gmail「王小明去年七月那封談版稅的信中,提到的數字是多少」、或問行事曆「上次跟陳小美見面到現在已經多久了?幫我在三月中找個時間再約一下」之類。這些應用的排列組合,未來的空間是無可限量的。
行銷專家Seth Godin在最近的這篇短文中提到:如果不考慮隱私問題(或是獲得同意),可以靠AI整理人脈資料庫(簡單的形式就是通訊錄)、並且分析出其中的關聯,讓使用者可以問「我的朋友之中,有誰認識在XX公司工作的人」之類的問題。
其實我從2018年到現在,已經寫過好幾篇文章講這個題目:
而對於以「人」為中心的關係而言,包含網路帳號、傳訊名單、人際金流交易、實體地址定位、以及駕車/叫車導航、甚至個人IPv6位址的通訊錄,都應該是未來這一切「關係流」的基礎。
如果有個現成的系統,能夠聰明的從不同來源拉到這些資料(包過自己建立過的、以及其他來源的公開資訊),並且透過演算法、甚至AI,幫你整理出可以查詢的關聯、並且適時提醒你該做什麼,是不是很棒?
所謂「有感AI」,主要的條件在於(這是我的定義):
- 消費者能直接感受到AI的協助
- 能將原本繁瑣或費工的日常事務做得更好,明顯節省使用者的時間
- 不一定要是影像處理這類的大量運算工作,而是一般工作者需要日常反覆進行的作業
- 為消費者在大量資訊中快速找出最快的消費路徑
(有興趣的話,請依照網址順序閱讀)
「日常有感AI」
雖然已經寫了這幾篇來討論「日常有感AI應用服務」的可能性,但還是想再次強調的是,雖然AI現在的對話和繪圖功能已經可用、而且在持續進步,但未來的生根發展和競爭優勢,還是必須靠AI與這類日常應用的深度結合。
我更期待的,是這些「AI日常應用」的誕生;因為它們能做的不是「幫你做你不會的事情」,而是「在你已經會/正在做的事情/已經擁有的資料」之中,挖掘出更多寶藏。
上述的「幫你做」和「幫你整理」兩件事,以現在的定義來說其實是兩種不太一樣的AI應用;前者是所謂的「生成式AI」(Generative AI),可以幫你做出原本不存在的圖文,後者則是在已有的資料中模仿人類小秘書的方式,找出資料之間的關聯,只是它不會累。
但即使是生成式AI,仍然需要大量的學習資料作為基礎,而不是真的能無中生有。如果從這個角度來看,它跟「幫你整理」的AI沒有太大差異,都是所謂的「弱AI」(相對於有自我知覺的「強AI」)。
等到有一天,你可以問電腦「我住在台北的朋友之中,最近有誰可能正在日本玩」(通訊錄內容+社群媒體公開資料連結分析),然後發訊息請他幫忙帶東西回來;或是「我的Facebook朋友之中,有誰是在XX公司工作」(Facebook+LinkedIn公開資訊比對)時,大概就是我在想的樣子了。
自訂模型
今天看到的網友貼文:
OpenAI開放使用者用自定的資料集微調機器人了。在GPT-3的模型上,可以餵食你的資料,並且自己訓練:
比方說回答產品或服務的資訊、協助客戶排除問題,或是直接讓機器人提供您的專業服務。
這是他們微調機器人的介紹頁面。
我覺得這是企業或一般人透過實做了解「什麼是AI」的很好學習:第一步,就是先準備一個高品質的標記好的資料集,而且數量要夠大。
沒有資料集,那AI就跟你的事業沒有關係。

這是我覺得比現在常見玩法更棒的應用,也是我說的「日常有感AI應用服務」的開始。
對於企業而言,這個機制會很有用,例如餵進去幾年份的產品資料,讓AI幫忙做彙整,然後回答顧客以自然語言詢問的產品問題;如果餵進大量會計傳票資料,還可以幫忙產生報表、做各種財務預測、甚至抓帳勾稽,那就更好了。
重點是,這些動作理論上都是在公司內部的資料集之中執行,相對比較安全、也容易根據自己的需求定義,也就是圖中所謂的fine-tuning(依照需求微調)。
對於一般個人來說,我們大多沒有已經標準化(normalize)、或是標記好的資料可以餵(根據報導,目前有些AI學習資料是在低薪地區以大量人力預先處理的),資料量也很小,所以自己弄模型並不實際。
「日常AI」的開始
所以,這時候又要回到先前說的「與日常服務結合」這個方向了。
即使是一般人,手上也可能有幾年、或十幾年份的行事曆、通訊錄、以及email資料,這些量應該足以用來訓練一個小模型;而且因為這些資料多半是在Google、iCloud、或是Outlook等服務上,以資料庫的方式存在,所以沒有上述的標準化等問題,技術難度就不那麼高了。
不過這就不算是自己的模型了,而是這些廠商將AI加進服務之中,變成在限定範圍(你的帳號)中可以使用的功能;例如你可以問Gmail「王小明去年七月那封談版稅的信中,提到的數字是多少」、或是問行事曆「上次跟陳小美見面到現在已經多久了?幫我在三月中找個時間再約一下」之類的。
這些應用的排列組合(例如叫email服務串行事曆、把資料丟去專案管理工具,讓AI幫你找空檔、甚至抓問題),未來的空間是無可限量的。這個發展對於日常工作和生活的助益、以及對未來的影響,我覺得比跟ChatGPT聊天大多了。
本文經傅瑞德的硬派行銷塾授權轉載,原文發表於此,點此訂閱電子報,定期接收最新內容
延伸閱讀
- 90%的人當ChatGPT是玩具、9%的人當工具,你是剩下那1%的人嗎?
- 擔心工作被ChatGPT取代?與其學寫程式,不如增進專業成為AI的核稿人
- 創作者會被AI取代嗎?會取代你工作的不是AI,而是比你會用AI的人
- 我們要讓AI參與創作到哪個層次?搜尋、解讀,還是決策?
【加入關鍵評論網會員】每天精彩好文直送你的信箱,每週獨享編輯精選、時事精選、藝文週報等特製電子報。還可留言與作者、記者、編輯討論文章內容。立刻點擊免費加入會員!
責任編輯:丁肇九
核稿編輯:翁世航
Tags:
綠能x數位,科技助攻水產養殖產業升級

我們想讓你知道的是
水產養殖結合太陽光電是一種創新的經營模式,讓漁場除了既有的漁獲外,更能提供綠電創造額外收益,國內更有漁場順勢導入數位工具管理養殖環境,持續提升水產質量。我們可以看到,數位與能源的雙軸轉型正在養殖漁業發生。
糧食生產是農漁業的主要功能,順應環境選擇不同的作物與耕種策略,是農漁民智慧的累積,臺灣的農漁業實力更是享譽國際。然而,由於整體產業結構轉型、生活型態轉變,傳統看天吃飯的一級產業,較不容易成為新世代就業的優先選項,如何在現有產業基礎上創造新商機、吸引年輕人返鄉,是各界都在思考的課題。
近年來,各國政府致力推動再生能源以實踐減碳,在不同場域、建物等結合光電開發的複合式發展模式,成為兼顧空間利用效率、提高單位面積產值的創新解決方案,這樣的趨勢正在農漁業現場發生。
農漁業結合光電創造附加價值
農電共生可提供自給自足的再生能源,還能保護農作物免受極端天氣影響,提高生產韌性,多餘的電力也可以躉售,提升農民收入。著眼於光電帶來的附加價值,越來越多國家看好農業結合太陽光電的發展潛力,德國、日本已有多個果園結合太陽光電從事農電共生,法國也實驗在成列的葡萄藤上安裝太陽光電模組。
不只農業,國際也開始出現結合水產養殖與太陽光電的漁電共生。例如美國切薩皮克灣(Chesapeake Bay)發展出太陽能牡蠣生產系統,不僅實現綠電自發自用,漁產收穫量更高達傳統養殖場的45倍;而在養蝦大國越南,也開始執行養蝦場結合太陽能發電的漁電共生計畫,為養殖場提供穩定電力並帶來漁獲,一舉兩得。

數位轉型為漁電共生添助力
漁電共生是利用漁業養殖場域結合太陽光電設置,期能改善生產環境、增加漁民收益,創造土地多元利用,是臺灣積極推動的重要政策方向之一。不過其他國家與臺灣的漁電共生開發型態不太一樣,其他國家多以沿海鋪設水面型光電為主,臺灣的漁電共生則採用室內養殖場搭配屋頂型光電,或室外魚塭搭配立柱型/水面型/塭堤型光電設備,近年來在許多漁民與光電業者的努力合作下,這樣的複合式土地利用模式逐漸展現效益。
不同養殖物種的環境需求不一,漁電共生導入的過程須經磨合,運用魚塭上方架設太陽能板,冬天防寒害、夏天助降溫,並配合不同物種的習性調整投料策略,同時結合數位環境監控系統調節養殖環境,進而達到提高漁獲收益之積極目的。

光電開發帶來的效益,也讓原本衰頹的產業地景重現生機,例如位於臺南七股的日運案場,原本是高鹽度的廢棄魚塭地,在養殖專家與在地青年的協力下,透過微生物、益生菌來控制池水,搭配AI數位化儀器監控養殖過程,持續累積養殖數據建立資料庫,烏魚、虱目魚、白蝦的混養模式已多次收成;四鯤鯓漁電共生案場過去同樣是廢棄魚塭,改建為室內型漁電共生案場後,能精準控制環境變數以從事精緻養殖,已成功育成一尾重達30克以上的白蝦。
由於漁電共生帶來的效益逐漸獲得認同,有別於過去多為光電業者發起的開發模式,最近也出現由漁民發起的漁電共生規劃,例如茄萣區不少養殖戶視漁電共生為吸引青農返鄉的契機,積極爭取納入漁電共生先行區;目前採用塭堤型與立柱型的光電設施,養殖的虱目魚也已開始收成。

養殖漁業正在實現數位與能源的雙軸轉型
數十年來漁民的養殖專業與經營視野,讓臺灣水產養殖產業在國際上向來有一席之地,但近年來確實也面臨產業結構轉型、從業人口老化凋零的挑戰;如今結合光電的漁電共生模式,讓原本看似傳統的一級產業開始蛻變,養殖模式、經營模式、商業模式不斷創新,也吸引更多青年關注與投入;臺灣養殖王國的美名,相信在不久的未來,將藉由數位與能源的雙軸轉型,再次展現耀眼光芒。
(經濟部能源署廣告)