跳到主要內容

新時代的開始:大型語言模型從新穎工具變為商業必需

Appier 技術長陳明愉博士

人們對大型語言模型(LLM)的態度已經從單純的嘗鮮轉變為實際需求,如 ChatGPT 和 Bard 等大型語言模型已逐漸成為商業領域中不可或缺的工具。預計到 2027 年,企業在生成式人工智慧(AI)解決方案上的投入將達到 1,511 億美元,且 2023 到 2027 年的複合年增長率將達到 86.1%,顯示企業對 AI 應用的興趣正在急速上升。

大型語言模型已從最初的熱門話題轉變為企業的策略焦點,力求將 AI 更深度地融入商業運作中。例如,麥肯錫的年度 AI 發展現狀調查顯示,有三分之一的企業至少在一項業務中固定採用生成式 AI。同時,有 25% 使用 AI 的企業表示生成式 AI 已被納入其董事會議程,凸顯了 AI 在企業決策面的重要性。

隨著生成式 AI 解決方案的發展更具策略性和針對性,企業加大技術應用的態勢必將提升整體績效,使 2024 年成為企業採用大型語言模型的關鍵一年。這項演進標誌著新時代的來臨,在這個時代中, AI 不再只是一項實驗性工具,更是企業發展策略和營運的基本要素。

大型語言模型應用:2023 年與 2024 年

在 2023 年,雖然有部分公司員工開始嘗試使用 ChatGPT 及其他大型語言模型工具,這些工具主要用於撰寫電子郵件或回覆訊息。更具前瞻性的人可能會利用這些工具來撰寫提案或其他篇幅較長的文件。然而,有鑑於大型語言模型生成的內容可能出現不符事實或類似幻覺的情況,大多數時候,這些內容僅用於內部參考,並不適合用於外部公開場合。

然而現在,經過一年的實驗和改進,大型語言模型開發人員已經準備好推出──或者已經推出面向企業的商務版產品,以滿足企業開發的需求。其中最受矚目的,莫過於「客戶服務」和「內容創建」兩大應用領域,今年,這兩項應用的品質與採用率可望有顯著的提升。

為什麼是 2024 年?

2024 年將成為大規模採用大型語言模型應用程式的轉捩點之年,背後驅動的兩大關鍵因素是「技術演進」和「市場情緒」。自從 ChatGPT 於 2022 年 11 月面世以來,大型語言模型技術已經從單純完善文案和分析模型,演變成為功能全面的聊天機器人,不僅能執行程式碼、運用工具,還能存取外部知識和搜尋網路。換言之,在短短不到 12 個月的時間裡,這項具有革命性意義的工具已徹底改變了整個技術社群的面貌。

然而,如果高階主管不買賬,這些技術演進便難以在市場上獲得認可──這正是 2023 年的瓶頸所在。現在,大多數執行長都已達成共識,認為在業務營運中採用 AI 解決方案是當務之急,他們明確表示,投資 AI 至關重要。隨著更多針對特定垂直產業的大型語言模型問世,企業採用和部署這些生成式 AI 解決方案將變得更加容易。 2024 年,大型語言模型開發人員還將著手解決一項關鍵挑戰──資料安全。技術開發人員將提供一個讓企業將數據存在其內部系統的解決方案,進而提供更安全、更強大的產品,以滿足那些重視風險管理的執行長的需求,獲得他們的青睞。

2023 年,各國政府及其他監管機構在規範 AI 方面面臨挑戰。去年 12 月,歐盟就《AI法案》達成共識,這是一項具里程碑意義的法案,旨在對 AI 的使用進行規範和限制。該法案一經實施,以及隨後可能出台的相關法案,將對科技公司開發 AI 解決方案的方式產生深遠影響。簡言之,這些法案將對何種行為是許可的、何種行為是禁止的,建立基本的規則框架。

隨著更強大的功能、更廣泛的支持以及更清晰的認識,預期大型語言模型應用程式將在全球各大型企業中得到更具規模化的採用。

客戶服務、內容創作與大型語言模型

想像一下,如果 ChatGPT 是網站上的客服聊天機器人,你根本無法分辨真人與機器人。而將 大型語言模型聊天機器人整合到客戶服務中,也為企業提供了一個節省成本的機會,能隨時為客戶提供服務。實際上,隨著消費者對企業和企業體驗的要求越來越高,這些大型語言模型聊天機器人可以提供更個人化的互動,並且提高客戶滿意度。

使用大型語言模型創建內容的優點之一是速度快。如果你不滿意它生成的結果,只需重新調整提示措辭,不到一分鐘就能獲得新的結果。這在行銷和廣告領域尤其有用,因為多變量測試和迭代是獲致最佳化內容的關鍵。無論是廣告標語、充滿資訊的部落格文章,甚至是短篇小說,大型語言模型都能夠借助其被訓練過的大量數據來產生新的想法和文本。

除了速度之外,讓企業購買和使用這些大型語言模型進行內容創作的原因還包括內容的多樣性,像形式、風格和語氣。在 ChatGPT 剛出現的時候,人們擔心所有的內容最終會變得千篇一律。如果讓 ChatGPT 寫一篇關於某個主題的部落格文章,同時兼顧搜尋引擎優化,可能會導致所有文章一成不變;但由於提示工程(prompt engineering)的存在,這項擔憂並未發生。

只要稍微改變一下提示用語,ChatGPT 和解決方案就能就同一主題產生不同的內容。更重要的是,使用者可以要求大型語言模型內容創作者採用某種寫作風格或語氣。當然,這也是迭代的關鍵所在,因為最優秀的用戶會反覆使用大型語言模型來訓練它,讓它聽起來更像自己。大型語言模型的最終目標是讓在最短的時間內產出聽起來像公司創作的優秀內容。

大型語言模型將如何重新定義 2024 年以及企業的未來

隨著 2024 年的到來,大型語言模型從實驗工具到重要商業資產的轉變變得越來越清晰。這些模型在技術能力方面取得了顯著的進步,如今在客戶服務和內容創建等領域發揮至關重要的影響力,能夠提供無與倫比的效率和客製化服務。今年不僅是技術進步的一年,也是將這些工具整合到業務運營結構中,並與不斷變化的監管環境和執行策略持續對焦的一年。

LLM 的廣泛採用證明了其徹底改變企業營運、溝通和創新方式的潛力。在我們見證這一轉變的過程中,我們可以清楚地看到,大型語言模型不僅是企業未來的一部分,它們還在積極塑造未來,在數位化日益加劇的世界中為企業的成長和效率開創新的途徑。

關於 Appier

Appier 是一家以人工智慧(AI)為核心的軟體即服務(SaaS)公司,運用 AI 協助企業進行商業決策。 Appier 成立於 2012 年,以實現 AI 的普及化為願景,透過軟體智慧化將 AI 轉換為投資回報,助力客戶實現業務成長。如今在亞太地區、歐洲及美國擁有 17 個營業據點,並於東京證券交易所掛牌上市(股票代號 4180)。欲了解更多訊息,請造訪 www.appier.com

螢幕擷取畫面 2024-05-08 110432

留言

這個網誌中的熱門文章

Kronos 如何做到世界級的成績

  由資深華爾街投資人領軍於 2018 年成立,Kronos Research 結合人工智慧、機器學習、高速網路等先進技術,透過進階的資料分析開發出獨家的量化交易預測模型,並使用全自動的交易策略自營,同時作為加密貨幣造市商,提供全球加密貨幣商品的即時報價。至今四年的時間,便擠身全球前五大的加密貨幣量交易團隊,創下 2021 年每日平均交易額 50 億美金,單日最高交易額 230 億美金的記錄。 人才和技術是 Kronos 最重要的兩大要素,團隊採開放式合作、解決問題導向、美式工作風格,Kronos 期許任何職位的夥伴,都能信任彼此、安心發問、共同快速解決問題。主管的管理策略,不同於傳統上對下的管理,而是以幫助者的角色,解決不同的需求,放大每個職位的生產力。我們希望這個產業在台灣能夠茁壯,讓台灣的技術人才知道有這個國際舞台可以發揮。 一窺量化交易技術及團隊 高頻交易跟一般大家熟知的交易最大的差距在於自動化。我們熟知的交易模式多半透過人工,由交易員綜合市場資訊後向交易所下單;高頻交易則是由程式自動判斷市場資訊並且下單。高頻交易多半關注短時間的市場波動,在收到市場報價後,在極短時間透過預先訓練的統計模型做出買賣決策。在高額報酬的背後,結合了不同專業:包括資料科學、統計與機器學習、底層系統優化、以及分散式系統。 高頻交易的流程,從 Market Data Parser 作為源頭持續搜集來自交易所的歷史資料,交由 Alpha Modeling 訓練出可預測未來短時間市場變動的模型。接著交易團隊撰寫策略程式,並依據策略需要套用選擇合適的 Alpha 模型,由極低延遲的交易程式向交易所下單。以下是各模塊的介紹: Market Data Parser(Data Team):高頻交易是一個資料驅動的行業,全面且高正確率的資料對於後續訓練很重要。Kronos Research 在全球十多個機房內有數百台服務器,每天 24 小時不間斷錄製來自交易所的報價單。面對每天 10TB+ 的巨量資料,data team 大量使用雲端分散技術以及自動化技術確保資料流的穩定。 Alpha Modeling(Alpha Team):在投資市場中,Alpha 代表著高於大盤的超額收益,Alpha Model 則代表預測將來市場的數學模型。Alpha Team 透過統計以及機器學習,以敏銳的邏輯跟觀...

實戰 Vibe Coding:利用 Amazon Q Developer CLI 打造經典平台跳躍遊戲

本篇文章將介紹如何透過 Amazon Q Developer CLI 建構一款完整的 2D 平台跳躍遊戲,從初始生成、功能增強,到最終打造出具備多關卡、多樣互動元素的遊戲體驗。特別的是,過程中開發者並未撰寫任何一行程式碼,僅透過自然語言指令與 CLI 對話完成所有工作,實踐「Vibe Coding」( 氛圍編碼 )。 本文作者為 Haowen Huang, AWS Senior Developer Advocate. 擁有 20 年以上電信、互聯網以及雲端運算等行業架構設計、技術及創業管理等豐富經驗,曾任職於 Microsoft、Sun Microsystems 等企業,專注為遊戲、電商、媒體和廣告等企業客戶提供 AI/ML、數據分析和企業數字化轉型等解決方案諮詢服務。 引言 本篇文章 ( English Version ) 將介紹如何使用 Amazon Q Developer CLI ,以 無需撰寫任何程式碼 的方式,打造一款經典的 2D 平台跳躍遊戲。透過「Vibe Coding」( 氛圍編碼 ) 的開發流程,開發者可以藉由簡單的語言提示詞 (prompt),逐步完成從遊戲雛型、功能擴充到完整關卡設計的開發流程。 整體開發流程將分為三個步驟: 1. 生成遊戲雛型 2. 功能擴充強化與畫面調整 3. 導入參考架構建立完整遊戲 環境建置 使用者需先安裝並設定 Amazon Q Developer CLI 。對於 macOS 使用者,可透過下列步驟完成安裝: 下載並安裝 Amazon Q Developer CLI 登入 Builder ID 完成認證 開啟終端機控制與無障礙設定 執行 q doctor 指令檢查 Amazon Q Developer CLI 是否安裝成功: 遊戲開發方面,建議使用 Python 語言與 Pygame 套件,可透過下列指令完成安裝;Pygame 提供以下功能支援: 畫面與動畫渲染 音效播放 鍵盤與搖桿輸入控制 物理模擬與碰撞偵測 多種媒體格式支援(圖片與音效) $ q doctor $ pip install pygame 第一步驟:初步生成遊戲雛型 透過簡單的一句 prompt,Amazon Q Developer CLI 結合 Pyg...

Navicat 17:AI 驅動資料管理的未來

在快速變化的資料管理領域,Navicat 始終站在創新與效率的最前沿。作為領先的資料庫管理與開發解決方案提供商,Navicat 再次以其最新版本 Navicat 17.2 展現了其在業界的卓越實力,讓使用者在資料管理中更具競爭優勢。 Navicat 17 推出標誌著資料庫管理技術的一次重要飛躍。該版本引入了一系列人工智慧 (AI) 驅動的功能,旨在進一步簡化操作流程並提升工作效率。這些功能讓使用者能夠輕鬆處理複雜的資料分析,並實現更智能的商業決策。 Navicat Premium 一直以來都是資料庫管理的佼佼者,該工具支援多達九種資料庫,包括 MySQL、PostgreSQL、MongoDB、MariaDB、SQL Server、Oracle、SQLite、Redis,以及 Snowflake。這樣的綜合性設計不僅消除了多平台切換帶來的困擾,還極大化了使用者的工作效率。 為提供更高效的協作工具,Navicat 雲端功能 (Navicat Cloud) 進一步提升了團隊合作的靈活性。使用者可以在雲端實現即時協作,讓團隊成員無論身處何地,都能共同編輯與管理項目,從而實現更高效的工作流程。 自創立以來,Navicat 已累積超過 500 萬次下載,並擁有超過 18 萬名使用者,包括多家知名的 Fortune 500 公司,如 Apple、Google、JP Morgan 等。這些成就不僅體現出 Navicat 的產品實力,更說明其在業界的深厚信譽。 Navicat 始終秉持創新與使用者導向的理念,致力於為資料管理提供最可靠、高效的解決方案。未來,我們將持續推出更多令人興奮的新功能,幫助使用者應對不斷變化的商業需求。 現在就探索 Navicat 17.2,感受 AI 技術帶來的全新資料管理體驗吧!欲了解更多資訊,歡迎造訪我們的官方網站: https://www.navicat.com.tw