跳到主要內容
關於
位於阿姆斯特丹的 Monique van Dusseldorp 是一位忙碌的活動籌辦專業人員，專門策劃科技、媒體和創新會議。研究新的活動和座談會構想一直是她工作的一部分。
但最近，van Dusseldorp 一直在使用新方法進行研究。在十一月的某個忙碌早晨，她坐下來輸入一個問題：「是否能以知名插畫家 Roland Topor 為主，構想讓世界各地的人齊聚一堂的沉浸式體驗？」
很快地，畫面上開始出現文字。她得到的回答是：
我建議在公開開放的公園或植物園推出「漫遊夢幻花園」的活動。使用以 Topor 的作品為靈感的雕像和裝置藝術品改造花園，營造異想天開又帶點神祕感的氛圍。隱藏喇叭並播放超現實的聲景，雕像則會隨著人們靠近而巧妙移動或改變。
van Dusseldorp 接著問：「哪些類型的媒體和技術有助於打造沉浸式體驗？」畫面上的回覆：
可以考慮空間音效：利用 3D 聲音技術塑造真實且身歷其境的聽覺環境，隨著用戶移動動態變更音訊。
這不是網頁上的文字，或產業論壇中的同行回答，而是 van Dusseldorp 使用 ChatGPT 構思和學習。
世界各地有數百萬專業人員像 van Dusseldorp 一樣，將大型語言模型（LLM）作為工作工具使用。目前此技術正開始重塑學習和知識管理，從大型企業內部分享資訊和專業知識，到獨立業者的長期專業學習及發展皆受到影響。而這還不包括對傳統學習和教育產生的廣泛影響。
此技術對學習的改變和 1990 年代後期網路問世一樣重要。徹底改變儲存和分享知識並與之互動的方式。那麼，各行各業和學術界的專業人員目前如何運用 LLM 呢？此類工具在大型組織中扮演了什麼樣的角色？未來又會如何發展？
我們都知道，在過去幾年中，LLM 一直是備受期待的主題。當然其中的話題包括 AI 末日和預測即將到來的超智慧，成為技術炒作週期的特色。但撇開熱門話題不談，毫不意外地，許多專業人士正用心投入 LLM 領域。
LLM 根據轉換器模型打造而成：此類特殊的神經網路能夠自行學習循序資料的基本模式。使用大量文字進行訓練時，轉換器模型會瞭解通常使用的句中文字之間的深度統計關係。這產生了具備絕佳語言能力的 AI，能夠瞭解自然語言輸入資料，並相應地產生相關詳細且明顯有意義的文字。
這使得 GPT-4 或 Meta 的 Llama 2 等 LLM 成為近乎專屬的靈活知識工具，可供存取大量豐富的資訊，並能產生各種類型的自然文字回覆。
文案草稿撰寫功能很明顯能用於工作場所，包括電子郵件、簡報和報告。但是現在，許多專業人士正針對此類工具制定研究和持續學習作法。
Henry Coutinho-Mason 是一位放眼未來的演講者。他最近針對自己與消費者趨勢和創新有關的兩本著作訓練了 LLM。現在，他會使用因此產生的應用程式作為研究工具：
Coutinho-Mason 說：「我會進入應用程式並詢問：『你對於新推出的 Humane AI Pin 有何看法？說明這項創新背後的趨勢』，應用程式會提供初步想法和見解。」
他繼續說道：「我的工作是啟發專業人員對未來的靈感，以及思考這對他們代表的意義。這表示學習新興技術和創新是我工作中重要的一部分。我自訂的 LLM 確實幫助我完成這方面的工作。
人們需要瞭解的是像這類的使用情況，目的不在於要求 LLM 提供『答案』，而是提供啟發內容，或讓我深入瞭解新興技術領域的整體發展。然後我可以進行調整。透過那樣的使用方式，LLM 就能真正地加快我的學習和研究速度。」
因此大型組織自然也將 LLM 作為內部工具來試用。而在這方面，有機會大幅提升學習成果的範圍更加廣泛。
大型組織會在學習與知識管理方面遇到特定難題。知識和偏向日常使用類型的專業知識通常分散在組織當中，並儲存在眾多位置，像是文件、投影片、試算表和其他位置。即便是經驗豐富的員工，可能也要花上數小時或數天，甚至是數週搜尋，才能找出正確的知識來源或具備相關知識的員工。
目前，有些組織正在開發 LLM 作為徹底改變因應此類挑戰的嶄新方式。顧問集團 McKinsey 在 8 月宣佈推出 Lilli，這是針對專屬內容微調的 LLM，範圍涉及超過 100,000 份文件。此模型旨在提供全新方式，讓 McKinsey 員工存取龐大寶庫中的特定產業知識、資料，以及數十年來該集團累積下來的種種內容。
McKinsey 的技術與平台長 Jacky Wright 表示：「透過 Lilli，McKinsey 顧問可運用科技來利用我們完整的知識和資產······這會是眾多使用案例的第一個，有助於我們重塑公司。」
同時，初級合夥人 Adi Pradhan 將 Lilli 作為學習工具使用，他表示：「我使用 Lilli 來指導自己學習新主題，以及建立手上專案不同領域的關聯。這項工具為我省下多達 20% 的會議準備時間。但更重要的是，它提高了我的專業能力和貢獻。」
投入探索這個新領域的不只 McKinsey。Morgan Stanley 針對專屬投資、一般業務和投資程序知識微調了 GPT-4，以打造對話式 AI 來為財務顧問提供協助。財經巨頭 Bloomberg 打造了 Bloomberg GPT，這是透過其專屬財經資料訓練而成的 LLM，可供自家員工和部分客戶使用。
若要說此技術發展的最終目的，許多員工很快就會「期望」能存取此類採用 AI 技術的對話實體。可以想成是工作場所的助理、指導員和學習同伴，24 小時全年無休為您提供協助。這等同徹底改變了傳播和吸收知識的方式。這些輔助技術將成為員工的重要學習工具，並在新員工的入職程序和培訓上扮演關鍵角色。
LLM 不只改變了各產業的學習方式，我們已經在正式教育環境中看到相關的強大影響。
只要與教育工作者談一談，很快就會發現其中一些影響非常具有挑戰性。他們正面臨新型態的抄襲手法，也就是學生繳交的作業完全透過 AI 或明顯使用 AI 完成。新推出的工具可偵測 AI 生成文字，但學生也很快就找到規避的方法。
兩邊拉鋸的局面將會持續。但從長遠來看，採用 LLM 技術的抄襲行為的興起，將會迫使教育工作者尋找新形式的課程作業和評量，例如以某個主題撰寫論文，並發表 15 分鐘的演講來說明論文的核心論點。
同時，LLM 仍然容易出現與事實不符的錯誤，又稱為「幻覺」。不能指望 LLM 排除所有其他資訊來源。不過，技術的改善已大幅降低量幻覺率，並將繼續提升使用體驗。
Aaron Woodcock 是雷丁大學（University of Reading）國際學習與語言學院（International Study and Language Institute）的講師。他負責安排課程模組，讓中國的教學合作夥伴向修習 STEM 科目的大學生教導學術英文。這代表需要規劃許多課程。
他表示：「直到最近，我都被分派安排一或兩個模組。現在由兩個人負責七個模組，因此需要規劃更多課程，使用 LLM 讓我的生產力大幅提高。我會與 AI 對談並提供我的一些備註和想法。然後我們來回討論，並設計出課程。接著要求 AI 以此課程撰寫完整的計畫，然後我再加以調整。
我仍然需要兩小時才能制定出滿意的課程計畫。但使用 AI 讓入門變得更加容易，也就加快了整個過程的進行。使用這些課程計畫的老師也給予了良好的相關意見回饋。
我也因此意識到自己一直認為撰寫計畫很困難，因此總是拖到最後一刻才開始完成與撰寫計畫有關的工作。AI 徹底改變了這個情況，因此我的工作方式確實得到改善。」
Woodcock 也在使用 LLM 處理大量的學生意見回饋，以及彙整因此得到的深入見解。管理和回應此類意見回饋現在已是高等教育學者和老師的重要工作。
他解釋道：「AI 可以立即發現意見回饋的模式，而我可能要花好幾天才能看出來，我們更有能力根據學生的意見回饋制定行動計劃，然後我們花費了幾個月的時間實行這些行動。這為課程帶來極大優勢，也確實協助我向周遭同仁回報和提供回饋。」
至於 AI 抄襲挑戰？Woodcock 說道：「學生的使用帶來了挑戰，但我認為這是能夠不再依賴撰寫論文和重複利用知識的機會。」
雷丁大學和許多其他學術機構現在都鼓勵教育工作者探索新型態的學習和評量（包括面對面的知識評量），以及思考方式。
Woodcock 表示：「這項技術不會消失。我們希望鼓勵學生使用 AI，但要採用最適合的方式，LLM 也能鼓勵多元性與包容性；讓不擅長書寫的學生也能表達各種觀點。當然，總是會有人用非親自撰寫的內容來充當自己的作業。但最終與學生上網購買論文一樣，而這類情況早已出現。」
這項技術長期下來會如何發展？同時代的學生會習慣將 LLM 作為研究、學習和撰寫草稿的工具使用。
這些學生將會融入同時期望在工作場所運用相同能力的大環境中。這正好能夠激勵雇主進一步訓練自己的 AI 模型，作為24小時全年無休的知識和學習輔助工具來提供給員工使用。
未來屬於能夠將自己的聰明才智和創造力與 AI 結合，以便了解更多、看得更遠，並產生更好成果的組織和個人專業人士。
人類擁有獨特的發展、儲存和散播知識的能力。以此強化我們大規模合作的絕佳能力，進而帶動一切產物的發展，包括創新、公司、大學、國家，以及所有相關事物。
我們一直以來都是透過所用的知識工具塑造並重塑社會，舉凡書寫本身、印刷機和個人電腦都曾帶來改變。
更廣義來說，LLM 和機器智慧本身一定會迎來轉型，而且我們才剛踏上這場旅程，因此還有許多事情等著我們去做和學習。
很明顯的，LLM 的應用、實作和未來影響正在為未來的工作生產力開闢新的領域。若要探索其他將會影響我們的工作方式且令人著迷的的進展，請深入瞭解我們與 David Mattin 針對工作技術的新興大趨勢所做的討論。
