ChatGPT僅僅是個開始　生成式AI企業應用正「摩拳擦掌」

近日OpenAI再度釋出最新AI模型「GPT-4」，和3.5版相比，新一代模型不管是在解答能力或正確率上都大幅提升；像是不論是在律師資格考、奧林匹克解題競賽，或是SAT數學測驗等，GPT-4都勝出不少(圖1)。另外值得一提的是，GPT-4還可以能辨識視覺圖像，轉成文字內容，也就是使用者可以將圖片交給模型判讀，無論是生活中相片，或是工作圖表等，GPT-4都可以「看圖說故事」。

ChatGPT熱潮席捲全球，短短幾個月便成為炙手可熱的搜尋關鍵字，且隨著其效能持續提升，除了將人工智慧帶入大眾的視野與生活外，更是讓大眾覺得AI變得更加「真實」。而ChatGPT的橫空出世，除了讓GPU、伺服器等供應鏈大啖AI商機外，其背後更意味著產業應用將因為生成式AI而有了新的「昇華」。

「生成式AI可以探索多種可能，以找到正確或最合適的匹配項。如此不僅強化和加速許多應用領域的設計，同時還有可能發明人類錯過的新穎物體。」Gartner技術創新研究副總裁Brian Burke表示。

企業對生成式AI磨刀霍霍

根據Gartner調查，目前行銷和媒體已經感受到生成式AI的影響，預計到 2025 年，大型組織約有30%的對外行銷訊息將由AI生成，2022年則是不到2%。而到了 20302年，將會有90%的電影由 AI 生成(從文本到影片)，而2022年此一比例為「0%」。

當然，除了行銷和媒體外，生成式AI正加速朝各產業邁進。對此，Gartner列出了未來五大應用市場。

藥物設計

首先是藥物設計。Gartner指出，根據2010年的一項研究顯示，藥物從研發至上市的平均成本約為18億美元，其中藥物研發成本約占三分之一；且研發過程長達3~6年。然而，在近幾個月內，生成式AI已開始用於設計各種用途的藥物，製藥公司得以減少藥物研發成本和時間(圖2)。

材料科學

生成式AI也正影響材料科學領域，諸如汽車、航空、航太、國防、醫療、電子或是能源產業，可先定義其所需的材料特性，再透過生成式AI尋找，而非依靠「偶然的發現」，這種設計方式稱為逆向設計。

Burke指出，到2025年，預計會有逾30%的新藥物和材料使用生成式AI技術，而這只是眾多產業的應用案例之一。

晶片設計

生成式AI可以使用強化學習(一種機器學習技術)進而優化半導體晶片設計，將產品開發週期從數週所短至數小時(圖3)。

合成資料

何謂合成資料？根據NVIDIA解釋，以電腦模擬或演算法產生出且含有註釋資訊的合成資料，用來取代真實環境資料。從數學或統計學上來看，人造的合成資料卻也呈現出真實環境的資料。研究表明在用於訓練人工智慧模型方面，合成資料的表現跟從實際物體、事件或人身上取得的資料一樣好，甚至更好；對此，Gartner表示，生成式AI也是創建合成資料的一種方式。

零件設計

最後則是零件設計。生成式AI使製造、汽車、航空、國防等產業能夠設計經過優化的零件，以滿足特定目標和限制條件。例如，汽車製造商透過生成式AI實現更輕的設計，以提升燃油效率(圖4)。

ChatGPT有望催生更多生成式AI專業應用

資策會MIC產業顧問魏傳虔認為，ChatGPT的出現，除了帶動GPU、AI伺服器和載版商機外，另一個關注的重點是產業應用也有望出現新的變化；將有更多客製化或是特殊專業應用。

魏傳虔進一步說明，目前的邊緣AI，嚴格來說並沒有「生成」的功能；簡單來說，即是在雲端訓練好AI，在建模好之後，再將其簡化放到邊緣設備上。而簡化後的模型，主要工作即是進行「簡易判斷」，例如故障偵測、品質缺陷偵測，回答yes or no。

「 換句話說，現在邊緣裝置中的AI並不像是生成式AI有著很強的推論能力，主要還是針對單一特徵值判斷success或是Fail。」資策會MIC產業分析師陳牧風補充。

然而，在ChatGPT問市之後，意味著現今邊緣運算效能有著更上一層樓的可能；生成式AI讓邊緣裝置可以不再只是單向的「吐資料」，而能有更多的反饋。

魏傳虔解釋，目前的邊緣裝置，如果要實現更Powerful的功能，一定需要將資料再傳回雲端，透過雲端改善AI模型後再放到邊緣端。但這有幾個缺點，像是耗費時間，因為每個資料都要上傳至雲端接著再到地端；同時也所費不貲，每筆資料都同步至雲端會增加運算和儲存成本，且還有資安疑慮須考量。

但如果終端裝置內有了類似ChatGPT的生成式AI後，將有望進一步強化邊緣運算，使產業應用更加的靈活。

以智慧製造為例，魏傳虔指出，早期在故障維修或是排除的時候，最佳的應用是AR/VR眼鏡，戴上眼鏡後透過語音裝置，由遠端的專家(或是有經驗的老師傅)指導現場人員找出原因並解決。

但若是未來終端裝置都有了生成式AI後，或許就不再需要這些專家遠距指示，而是直接詢問設備該如何解決(圖5)。

「也許未來透過生成式AI可以從工廠內部資料，像是原廠技術手冊，之前排除的紀錄等撈出裝置故障原因，且還能擬出數種不同解決方案供現場人員參考。」魏傳虔說。

陳牧風則說，在ChatGPT未問世之前，邊緣AI多是協助判別維修的方式是success或是Fail；但有了生成式AI後，可以給出更多的選擇，例如條列式的答案。

生成式AI有新商機　也要留意新威脅

不過，當企業全速朝生成式AI前進之際，也必須注意新興的潛在風險。Gartner強調，ChatGPT的出現，除了代表新商機外，也意味著將會出現新的威脅，像是造假、版權問題或是不肖組織惡意使用生成式AI等。建議企業可與安全和風險管理業者合作，主動減輕惡意使用生成AI為個人、組織和政府帶來的聲譽、假冒、欺詐和政治風險。

另一間市調機構TrendForce也認為，由於AI是以用戶體驗為核心，涉及個資及內容提供的正確性，因此下個發展階段或將還會面臨法規問題；下階段產業尚須面對法令規範與訓練素材之挑戰，前者包括其必須保護個資、內容正確性，以及合法合規等；後者則仰賴相關知識平台服務商是否能篩選與整合多元內容，並交由生成式AI開發商進行訓練。