由 Ross Gruetzemacher 所撰。傳統觀念是 AI 在資料驅動的決策強過人類，但在認知與創造任務上仍弱於人類——自 2020 年起，這個觀念被語言型 AI 徹底改寫。
一場認知能力的躍進#
最顯著的進展發生在自然語言處理（natural language processing, NLP）——讓電腦像人一樣處理語言的 AI 分支：
- 已被用來為《衛報》撰寫文章
- AI 撰寫的部落格文章曾在網路上瘋傳
- AI 甚至能在程式設計這類認知任務中勝出，僅憑人類的指示就能為簡單電玩生成程式
但這些表演性突破，對企業真正意味著什麼？
NLP 能做什麼#
從語言模型到基礎模型#
寫作當下最知名的 NLP 工具是 OpenAI 的 GPT-3——根據前文預測下一個字。NLP 從業者稱這類工具為語言模型（language models）。
應用涵蓋：
- 簡單分析任務（文件分類、情感分析）
- 進階任務（問答、報告摘要）
GPT-3 是個轉折點：發布時規模是先前模型的 10 倍，是首個大型語言模型——能處理程式設計、解高中數學等更進階任務。最新版 InstructGPT 經人類微調，輸出更貼合人類價值與意圖；Google 最新模型在語言與推理上也展現顯著突破。
對企業最有潛力的三大領域#
- 寫作
- 程式設計：OpenAI 的 Codex 從自然語言輸入產生程式碼，已支撐 GitHub 的 Copilot——僅靠輸入指令就能建立基礎電玩。Google DeepMind 的最新模型在程式競賽中能勝過多數人類
- 特定領域推理
基礎模型（Foundation Models）#
GPT-3 屬於基礎模型——一個新興 AI 研究領域，也適用於影像與影片等其他資料形式。基礎模型甚至能同時訓練多種資料形式，例如 OpenAI 的 DALL·E 2 同時用語言與圖像訓練，僅靠文字提示就能生成想像場景或物件的高解析度渲染。
經濟學家認為基礎模型可能影響經濟每一個部分——帶來如同工業革命等級的經濟成長。
組織該如何準備未來？#
1. 盤點文字資料資產#
你或許清楚資料的價值，但若還沒在組織中善用文字分析與 NLP，可能正錯過重要資產：
- 電子郵件
- 分析報告
- 合約
- 新聞稿
- 檔案
- 甚至會議與電話——都能轉錄成文字
不需要 GPT-3 才能萃取價值。Hugging Face 推出的 AutoNLP 工具，只需上傳資料即可自動訓練標準文字分析任務的模型。資料仍需標註，但比其他應用所需少得多。現有的機器學習工程師甚至優秀的資料科學家就能上手。
進階做法是訓練特定領域的模型。許多產業甚至組織內各部門都用高度專業化的詞彙——透過自有資料與公開資料集的結合，為特定產業或部門量身訓練模型。
想想金融：你不會想要「金融通用模型」，而是「商業銀行」或「資本市場」的客製化模型——這才能解鎖難以想像的價值。
2. 重新組織技能勞動力#
語言型 AI 不會取代工作，但會自動化大量任務——包括決策者的任務。新創公司如 Verneek 正在打造像 Elicit 一樣的工具，讓任何人都能做出資料驅動的決策。這些工具會超越傳統商業智慧，重塑組織內許多角色——程式設計師只是開始。
Codex 這類工具會讓程式設計師更具生產力——意味著專責程式設計師更少，但具備中等程式能力的員工更多，並用來處理更複雜的任務。對資料處理與網頁開發等任務影響特別深。
3. 廣泛採用以了解能力#
像 Elicit 這樣的工具雖剛出現，但已能在驚奇的方式上派上用場。本章作者透露：本章其中一條建議，正是被 Elicit 的腦力激盪任務啟發的——它的原始建議不完美，但提醒了一些被遺漏的關鍵主題。
在組織中，這類任務可協助策略思考或情境規劃。雖然成果仍相對粗糙，但已能在當前狀態下增添價值。
底線：在公司內鼓勵廣泛採用語言型 AI 工具。理解這些工具的最好方式，是你和其他領導者親自使用。
提醒：當前的 AI 或許不會取代管理者——但理解 AI 的管理者，會取代不理解 AI 的管理者。
4. 不要低估顛覆性潛力#
GPT-3 等大型基礎模型展現出在無任務特定訓練下泛化到大量任務的能力。這是邁向 OpenAI、DeepMind 等研究者最終目標——人類等級泛化與**通用人工智慧（artificial general intelligence, AGI）**的重要一步。
這類系統具備可能驅動爆炸性經濟成長的顛覆潛力。
即便你對 AGI 仍然懷疑，領導者也該留意早期進展訊號：
- 前 Google 執行長 Eric Schmidt 預期 AGI 會在 10–20 年內出現
- 英國最近對 AGI 的風險採取了官方立場
忽略 AI 的轉型潛力本身也帶有風險：企業的不作為或 AI 的不負責任使用，可能對社會造成廣泛傷害（如加劇不平等、特定領域自動化風險）。
結語#
強大且通用的語言型 AI 工具已經來臨——只是冰山一角。多模態基礎模型工具將以難以預測的方式改變商業。
現在開始：
- 理解你的文字資料資產與組織不同角色涉及的認知任務
- 積極採用新的語言型 AI 技術——有些會成功、有些不會，但你的員工會更快適應下一個工具
- 親自採用——這是理解這些技術未來在組織中角色的最好方式