關於AI技術與市場的五個觀察
Mar 29, 2024
- AI模型服務化：科技巨頭目前都在優化模型，因為模型是應用的基礎，優化模型需要的人才是有限資源，想辦法leverage這些有限資源創造出的商業價值是相當可觀的，所以他們的商模是AI模型服務化（透過API)。用他們的人才優勢、硬體優勢（大量的電腦運算資源）與大數據優勢，賣你訓練得很好的模型。
- 解決已知的未知問題：ChatGPT或Bard（現在改叫Gemini)是被設計來解決Known unknown questions。如果我們把問題分成四類（如上圖），我們會發現目前AI都被設計用來解決第一類的問題，也就是已知的未知問題(Known unknowns)。什麼意思呢？就像你想去義大利旅遊三天，但你不知道要怎麼規劃比較合理，這時ChatGPT就會是個好工具。但如果你根本不知道義大利在哪？你只說想規劃三天的旅遊，你就沒辦法得到最理想的答案。這也是為什麼一堆人在教你怎麼寫prompt。prompt是幫助你收斂問題的手段。這種提問的技巧，可以幫助你探索已知的未知(known unknown)並將其收斂為具體的答案。
- 訊息差的價值：不少AI新創在科技巨頭的大型言模型的基礎上，補充Context創造商業價值。例如AI客服是抓用戶的產品資訊與客服wiki、Q&A這些context，結合大型語言模型，來改善客服品質。又比如PLAUD NOTE錄音筆，是直接幫你補充了要得到會議記錄、逐字稿、心智圖的prompt，所以你基本上只要做錄音的動作，就能得到精美的會議記錄、課堂與採訪筆記。換言之，如果有產品可以很方便、快速地幫使用者補充第四類問題(unknown unknowns)需要的Context，就能用訊息差賺錢，本質上，補充Context就是賺訊息差的錢。
- 大型語言模型服務化的局限性：ChatGPT的創新與不創新，ChatGPT的創新之一在於提供了一個更有效率補充訊息差的方法。ChatGPT的不創新在於這些方法早就有人知道了，只是你不知道而已。如果你在做商業計劃書，ChatGPT告訴你要做五力分析。某方面來看，也許真正創新的是提出五力分析的麥可波特，而不是解決訊息差的ChatGPT。這是ChatGPT的局限性——它是在做A點到B點的優化。A是現況，B是目的。你必須要有精確的目的，但有些人可能連目的是什麼都不知道？或者根本定義了錯誤的目的。又或者當達成目的的手段（A到B之間有很多種可能性）需要收斂時，他們不知道怎麼提問？這就造成了一種奇妙的結果：同樣的技術問題，資深工程師使用ChatGPT，可以在一分鐘內得到解答。但初階工程師卻可能花幾個小時才得到解答。同樣的困境會發生在各產業與職業上。
- AI普及化：以往傳統企業與普羅大眾無法這麼快速地享受到科技紅利，但這次的AI技術用大量的運算與大數據，配合很容易傳遞與擴散價值的媒介（API、網頁等互動介面)，讓整個產業有更多質變的可能性，例如AI讓企業可以用很低的成本做data-driven decisions，有很多結合AI做市場調研、競品分析的方法。
