“人人都在嘗試新AI”-WSJ Reading

H.L.
12 min readMar 11, 2023

--

2023.03.11

文章導讀: 從CEO到程式員,人人都在嘗試新AI — 華爾街日報 (wsj.com)

Host: The use of AI — Crystal

  1. 什麼AI? AI與非AI

現在市面上所有商品都喜歡前面加上"AI"兩個字,所以到底什麼是AI? 像是以前我們人工要查詢字典,要自己翻找與找答案,透過AI字典只要你跟他詢問一個問題,他可以立刻翻找給你,故AI有三個特質:

(1) 學習: 輸入數百萬個圖像的訓練與學習

(2) 推理: 根據已知的事實與知識進行推算提供答案

(3) 自適應: 自動調整其表現來應對情況

生成式AI之年

所謂生成式AI(Generative AI)在各領域掀起旋風,被認為也可望有發展機會的醫療應用,業界坦言相較於判斷式AI 的標準答案,目前應用場景如下:

  • 營銷和銷售:如生成Blog文章、為社交媒體和廣告創建標題及自動生成內容等,代表公司有每年經常性收入超過5,000萬美元的Jasper、營銷及銷售助理Copy.ai和排名第一的銷售電子郵件助理Lavender
  • 閱讀和寫作:著重於幫助用戶更快速閱讀及撰寫電子郵件和文章,包括進行個人研究,如Notion AI從會議待辦到簡報大綱都能幫你完成
  • 特定用途的文本生成:凡是需要額外結構和知識的文件,包括合約、產品開發等
  • 特定用途的搜尋、分類等:針對產品、用戶支持度等總結及生成應答,使手動轉為自動,替Uber和Angel list 等公司提供即時且準確的數據分析

並且AI訓練成本將會更便宜,每年狂降70% 機器人年代剛展開

方舟相信以上科技終將匯集,令全球經濟迎來等比級數的成長。至2030年為止,AI訓練成本將持續以每年70%的速度降低

到2030年,人工智慧應使知識工作者的生產率提高4倍以上。 如果100%採用人工智慧,全球勞動生產率將提高約200萬億美元,使32萬億美元的知識工作者工資總額相形見絀

AI進化會剝奪人類工作,卻也能提升生產力成長率促進經濟成長,未來人類工作將花更多的時間在那些機器上,取而代之,花費更少的時間在可預測上,比如收集和處理數據,這些方面機器甚至已經超過了人類的能力, 所以人所需的技能和能力也會改變,需要更多的社交和情感技能,以及更高級的認知能力,比如邏輯推理和創造力;根據麥肯錫分析美國和其他發達經濟體的大部分工資將分配於高端職位,收入兩極分化可能仍會繼續下去

從ChatGPT 重新炒熱的worldcoin

一種新的、集體擁有的全球貨幣,公平地分配給盡可能多的人

此外,因ChatGPT走火, OpenAI 創辦人Sam Altman此前創辦過的加密項目世界貨幣 Worldcoin 也重新受到關注,Worldcoin 旨在創立一種新的、集體擁有的全球貨幣,希望能夠成為實現普遍基本收入的全球基礎設施。其運作模型涉及使用一台稱為 Orbs 的設備來掃描一個人的虹膜,以獲得身份證明

雖然 Orb 不要求個人資訊,但生物識別的資訊采集顯然更為敏感! 在 Worldcoin 的既定方案中,收集眼部圖像之後將其經過函數生成唯一標識符,隨後將永久刪除眼部圖像

Sharing: 企業應用數據與AI — Vanessa

數據量越來越多,數據越多企業能轉換成額外價值的機會就越大,近年洞察公司增長率將近70%,預計2023年AI對全球經濟的潛在貢獻率16萬億!

如同host提到很多大型企業正在使用高級分析和AI來進行業務與創新服務,改變商業模式;舉例像是walmart lab 、百度與Zara都推出相對應人工智慧,來提升整體企業的服務品質

從新創到集團企業都會運用不同數據來保持自行競爭力,像是earnest依據不同信用評分下,使用客戶數據進行融資;美國農業生物技術公司孟山都(Monsanto)子公司Climate Corporation,將與CNH Industrial合作提供雙向數據分享功能,幫助農民提高生產力水平與現場效率

https://www.sohu.com/a/133021414_114778

大家都知道數據已經被各種利用並進行決策與創造價值,故延伸出來一個新的名詞-數據貨幣化

主要會走向數據貨幣化的因素主要有幾點像是傳統收入減少與手上擁有的數據卻沒有效使用等,數據實現貨幣化方法有幾種方式

  • 出售原始數據: 透過原始與匿名形式向客戶出售數據,最直接簡單
  • 分析平台服務: 提供一個平台讓客戶使用多功能數據分析,通常放在雲端服務,且包含多種維度分析
  • 預測即服務: 整合內外部資料,產生預測資料幫助客戶進行決策

更具數據與對於數據洞察力的矩陣說明貨幣商業化方式,以uber為例目前已經擁有許多數據與高成長公司,就能將貨幣商業化各方面能運用到,產生企業自身的競爭價值

最終,數據貨幣化和數據交易相對較新的商業模式,但數據市場仍不純熟,但所有趨勢都表明數據將成為下一個最大交易資產類型,但企業必須有策略性地使用數據資產,當交易機會出現利用它,而非爭先恐後地趕上浪潮

sharing: ChatGPT impact on our life -Jenny

1/ Impact on MarTech

MarTech 提供服務內容

而ChatGPT在行銷產業主要影響有幾個方面:

  • 更智能行銷自動化: 結合AI將自動化生成各種不同市場行銷文案,並且根據不同用戶與喜好提供個性化服務
  • 優化搜尋引擎排名: GPT能夠生成高品質與原創的名詞與內容,可以幫助企業與品牌在搜尋引擎上取得個好的排名,增加曝光與知名度
  • 提供智能客戶服務: 可以實現自動化對話互動,減少人工成本並提升滿意度
  • 數據分析提升: 分析大量文本數據,根據數據進行分析,從而提供更加全面分析報告,提供企業了解客戶需求更好地調整市場策略

透過ChatGPT也能快速幫助日常生活查找資料速度提升,跟回覆客戶語氣模擬甚至翻譯也比google還更有人性化,都讓我們工作上更加便利

AIPRM外掛程式推薦

AIPRM 裡面集合了上千種的預設指令,無論你是要寫文案、下標題、做 SEO 關鍵字研究、寫 Email,甚至單純想要找人聊天,透過 AIPRM 這個 ChatGPT 的外掛都更好用。這款 ChatGPT 外掛 AIPRM 就是透過玩家們所提供的超多應用情境,讓你快速的產生你所需要的主題,你不用再絞盡腦汁把情境跟條件描寫得鉅細靡遺才能開始你的工作流程

Sharing: 金融產業AI應用分享-Tiffany

銀行創新教父 Brett King 以Bank 4.0一書揭示金融業未來的發展方向,預告銀行將被重新定義,未來的金融服務勢必無所不在,但不一定在銀行裡

Banking Everywhere, Never at a bank

目前AI應用於金融領域主要如下

  • 身份辨識更進化: 台灣金融科技產業,台灣多家銀行正攜手臺網、偉康、凌網等科技業者,打造無密碼安全身分辨識時代
  • 簡化作業流程: 像是櫃員AI 是藉由「數位金融」與「使用者體驗」的持續優化,透過平板電腦建立互動媒介,提供即時翻譯互動、多元繳費
  • 提升信用評分: 可以有效地幫助銀行改善信用分數,透過多種參數按時還款、減少債務、信用卡全額繳清
  • 監測交易風險: 分析客戶歷史交易行為,利用機器學習於監測交易風險模式,以辨識未來交易風險可能升高之帳戶

金融業導入AI技術主要目的為降低人工成本及提升作業效能,透過AI與金融串聯,讓金融商品與服務透過不同管道傳送,進而帶來用戶更佳的金融體驗

Sharing: -Vivian

天時地利人和AI王炸期

2017年Gartner已提出AI is expanding 成為產品與服務解決方案,早已提出AI未來會無所不在,透過數位平台提供無與倫比的智能與創造新體驗,已使組織之間由新業務生態系統平台連結與合作,綜合GPU效能、數據中心建置到算力提升…

  • Meataverse,超級應用程式到web3都是支持沉浸式體驗核心技術
  • 永續發展雲端運算和資料觀察性研究正在幫助技術人員滿足新需求
  • 自主運算和因素人工智慧爭在支持加速AI模型創建和部屬
2017 vs 2022 Gartner Reports

因應AI蓬勃發展,雨後春筍冒出的職位與快速殞落職位差異

PwC表示2017–2037年,AI可能會取代約7萬個現有工作崗位,但可以創造約2萬個工作崗位,使英國的凈就業崗位增加約200萬個

其實在個人能力具備有創新與管理元素,我們的取代性較低,例如像是管理職位、整體服務與產品創新職位是無法替代,只要保持創新思考的能力,AI將會是你的好朋友

Sharing: AI 產業經驗分享 -Jason

此次因應AI主題,我想分享我在業界做過模型系統進行分享:

  1. 新創-文章推薦系統: 當時時空背景算力不比現在,當時我寫出的產出推薦文章與下標籤的小工具,下載WIKI文本產生同意辭庫,自動產生文章與廣告推薦
  2. 銀行-企業貸款額度試算: 專員透過平板與行動裝置,拜訪客戶時收集客戶基本資料,收集資訊並帶入系統,並透過模型進行運算,及時提供運算服務加速申貸效率,並最終產出顯示客戶信用評等及可貸額度建議
  3. 銀行-手寫影像辨識: 銀行日常業務許多表單,需要至少兩道人工輸入,因此信用卡申辦非常耗力,透過影像辨識可大幅減少人工作業時間

4. 銀行-洗錢辨識: 透過辨識新聞中涉及洗錢的人名,為需要每天讀新聞專員,是否為行內客戶,透過AI可以將整段流程自動化並核對模型產出內容

以上舉這些系統與模型,其實都需要先透過大量人工去做資料清理與貼標再餵給模型,這些都隸屬於Machine learning(ML)的概念,而因為算力與模型的進化,去除人工部分就會進化Deep learning(DL)的階段是利用多層的非線性學習資料表徵,兩者主要差異在於ML比較容易被解釋因為有人為因素參雜,而DL就像是black box一樣,是機器自行學行與計算,難以得知他的答案怎麼產出

Sharing: AI & CRM-Joseph

The evolution CRM

傳統CRM從傳統電腦、手機工具、網際網路到現在交付的雲端服務模式(SaaS),透過整合、分析數據,研究企業與客戶的互動過程,進而挖掘維繫顧客關係的關鍵

在CRM最常碰到客戶痛點,就是標籤管理你想要分析你的客戶自身必須具備「貼標意識」才有可能做有價值分析,其次是客服溝通過程的有效性,最終最重要的數據管理;在系統上需要透過前面貼標、過濾才能正確找到正確的資料

像是微軟推出Viva Sales 是CRM 隨附應用程式,代表其可與Dynamics 和Salesforce CRM 解決方案搭配使用,以智慧的方式自動化客戶更新、分享AI 型建議和深入解析;從與客戶互動電子郵件開始收集資料,都可以整合收集到我們客戶資料庫,並協助提供建議與提醒

Sharing: How to use ChatGPT to boost your writing -小金魚

How to use ChatGPT to boost your writing 作者簡介

想請問大家對ChatGPT 對它問問題是否會有禮貌的回覆,調查發現45.8%會有禮貌的應對,可能因為GPT呈現方式讓人誤以為你在對話,但其實你還是在跟一個系統進行指令,所以基本上對GPT對話技巧還是要非常精確下你的需求指令,我們要學習運用前面的指令,並不斷優化它提供的解答,如果你發現答案越走越歪,那麼請你重新來過

Play with personas and Style

如果你是希望它幫你寫作,你必須訓練它的風格與特質,幫助它寫出符合你想要寫作的成果,事實上GPT的確幫助論文寫作者更快速的撰寫文案

小金魚現場示範與不斷校正chatGPD文章示範

--

--

H.L.

Some personal reading notes. #BUSINESS #CONSULTANT #WSJ