創意工作也能自動化？ AI時代下的效率革新

AI是機器， 怎麼能生成有創意的新東西？這點容易讓我們感到不安。問題出在我們經常誤把新奇當成具有原創性。新點子不會憑空出現，而是以既有的概念為基礎。研究創新的學者很早就指出，透過重新組合來想出點子的重要性。突破通常發生在人們串起看似風馬牛不相及的事物。

舉個經典的例子來講，萊特兄弟（Wright brothers）結合他們身為自行車技師，以及對鳥兒飛翔的觀察，想出如何操控飛機的概念。萊特兄弟並未發明自行車，也不是第一個觀察鳥兒翅膀的人，甚至史上最早打造飛機的人也不是他們。萊特兄弟做到的事，其實是率先看見幾個概念之間的連結。如果你能串起分散在數個領域裡的概念，再加上一點隨機的創意，就有可能創造出新東西。

LLM是連結機器。有的token（語言文本的基本單位）讓人類感到沒關聯，卻代表著某種更深層的意義，而LLM接受的訓練正是產生token之間的關係。再加上AI的產出帶有隨機性，你就有了強大的創新工具。

不論前面的字有多麼莫名其妙，AI仍會嘗試生成序列中的下一個字，也難怪AI能輕鬆想出新鮮的概念。事實上，依據許多常見的創意心理測試結果來看，AI的創意已經超過人類。

我知道這是真的，因為AI的創造力超過了華頓商學院最知名創新課程的學生。MBA學生不一定最擅長創新，但華頓孕育過無數新創公司，其中許多起步於特維施（Christian Terwiesch）與尤李奇（Karl Ulrich）的創新課程。兩位教授與同仁舉辦點子發想競賽，看誰能想出價格在50美元以下、最適合大學生的產品。由GPT-4對戰200名學生，結果學生輸了，而且比分懸殊。

AI顯然隨時都能以比一般人更快的速度生成更多的點子，而且品質更好。這場競賽請人類評審團投票，如果競賽點子能成真，他們是否有興趣購買。結果AI的點子更可能吸引人掏錢，而且是讓人大吃一驚的比數：評審心目中最好的40個點子，有35個來自ChatGPT。

不過，我們人類尚未完全在創新工作中出局。其他研究顯示，最創新的人士，最少獲益於AI的創意協助。這是因為AI雖然充滿創意，如果沒有精心設計的提示詞，它會傾向每次都選類似的點子。AI提出的概念雖然很不錯，甚至堪稱優秀，但看多了之後，就會開始讓人感到千篇一律。這一切代表人類依然在創新中扮演很大的角色。但如果不在過程中讓AI助自己一臂之力，那就太傻了，尤其是不認為自己有頂尖創意的人士。

仔細觀察後會發現，不少工作的內容其實是AI擅長的創意工作形式。麻省理工學院的經濟學家諾伊（Shakked Noy）與惠特尼．張（Whitney Zhang），檢視ChatGPT能如何改造我們的工作方式。研究人員要求受試者依據職責與情境撰寫不同類型的文件，例如：讓擔任行銷人員的受試者，替虛構的產品寫新聞稿；讓主管與專業人資寫電子郵件長信，向全公司解釋某個敏感議題；資料分析師以程式筆記本的形式設計分析方案。有的受試者被分配要用AI，有的不使用。

最後的結果十分驚人。使用ChatGPT的受試者完成任務的時間大幅縮減了37％。除了省時，按照人類評審的評分來看，工作品質也上升。AI帶來的改善不限於特定的職業領域，整體的時間分布走向更快完成工作，整體的分數分布也走向更高的工作品質。

就連起初看似與創意無關的事，其實也可能有關。AI非常適合拿來協助編碼，因為寫軟體程式需要結合創意元素與模式匹配（pattern matching）。微軟的研究人員指定程式設計師使用AI後，執行相同任務的生產力提升55.8％。AI甚至能讓不會寫程式的人變成某種程式設計師。

我無法以任何現代語言寫程式碼，但可以要AI代替我寫十幾種程式。如果想要某種程式，只要叫AI做、讓它去寫就可以了，那麼八成會衝擊到這個人類工作者的總年薪達4,640億美元的產業。

 

我們生活在有AI的世界，因此必須了解如何與AI合作，制定一些基本的原則。這裡考量的是共通原則，盡量談與本質有關、不受時間影響的做法。以下是我和AI合作時的四條原則：

1. 事事邀請AI參與
除非是法律或道德不允許，否則你該嘗試邀請AI協助你做每一件事。你拿AI來實驗的時候，有可能滿意，也可能感到挫折、無用或不安。不過，這麼做不只是為了有幫手，而是你摸熟AI的能力後，就更知道AI能以什麼方式協助你，或是威脅到你和你的工作。AI是通用技術，因此無法光看一本手冊或指南，就搞清楚AI的價值與限制。

此外，你有機會利用AI做你擅長的事，成為全球最厲害的專家。理由與創新的基本道理有關：組織和公司若要創新，成本會很高，但是對個人來說卻很便宜。創新來自試錯（trial and error）。組織如果想推出新產品來協助行銷人員寫出更誘人的文案，需要先打造出產品，找很多人試用，不停修改；但個別的行銷人員則隨時都能實驗各種利用AI的方法，找出成功之道。既不需要雇用團隊，也不必走過昂貴的軟體開發週期。

2. 擔任當事「人」
目前AI在人類的輔助下表現最好，而你想當那個幫忙的人類。即使隨著AI愈來愈能幹，需要的人類協助減少，你還是會想當那個人類。總而言之，第二條原則就是學著加入「人機迴圈」（human in the loop，HITL）。

隨著AI愈來愈厲害，我們會很想把每件事都交給它，仰賴其完成工作的效率與速度。然而，AI也有出乎意料的弱點。首先，AI不是真的「知道」任何事。由於AI只是預測序列中下一個會出現的字詞，它無法判斷什麼是事實、什麼不是。你可以想成AI在回答你的時候，試圖考量多個運算指標，而其中最重要的一點就是提供你會喜歡的答案，以「讓你開心」。這個目標的重要性通常高過「要準確」。如果你堅持要問AI不知道的東西，AI會捏造答案，因為「讓你開心」比「準確」更重要。

3. 把AI當成人，告訴AI它是誰
把AI想成做事效率超高的實習生，它急著討好你，但很容易歪曲事實。儘管我們過去把AI想成沒感覺又符合邏輯的機器人，但LLM的行為其實更像人類，既能發揮創意、幽默感、具有說服力，也會在被迫給出答案時含糊其辭，編造看似可信、實則錯誤的答案。

LLM不是任何領域的專家，但有辦法模仿專家的語言與風格，因此有可能真的幫上忙，但也有可能造成誤導。LLM無法意識到真實的世界，但能依據常識、模式生成可信的情境與故事。LLM不是你的朋友（目前不是），但可以依據你的回饋與互動學習配合你的偏好、性格，甚至看似能回應情緒操縱。

記住，你的AI實習生雖然速度驚人，知識也豐富，但它不是毫無缺點。絕對要以火眼金睛對待AI，把它當成替你工作的工具。你要定義AI的角色，以合作的方式走過編輯流程，不斷提供引導，才能獲得和AI一起工作的好處。

4. 假設目前的AI是最爛的版本
AI正在以新方式日漸相連：有辦法閱讀與撰寫文件、看與聽、製作聲音與影像，還能瀏覽網路。LLM能整合進你的電子郵件、網路瀏覽器與其他常見的工具。下一個階段，將有更多AI代理，也就是半自動化的AI，能在下達目標後，盡量不需要人類的協助便能執行。在這之後事情會如何發展就難說了，AI的風險與好處同時大增。

不過有一個十分明顯、許多人卻沒意識到的結論：不論你目前使用哪一種AI，那在未來都將是你用過最糟的AI。

本文出自：《工作者的AI共智模式》／天下雜誌出版社