ChatGPT隱藏版用法一次看！「AI世代」出社會，職場面臨哪些機會與挑戰？

近期，政治大學傳播學院助理教授李怡志剛開了一堂AIGC生成圖像創意工作坊，教你運用人工智慧生成圖像——在此之前，他已陸續在校內、外的課程及論壇擔任講師，吸引大批想一探AI應用與思考的「學生」入座。

李怡志發現，人們使用AI時，仍停在搜尋、問答等基礎用途；若想進階使用，使用者應先思索工作本質，才能拆解流程、請AI作答。只是，運用AI的第一步，已為許多人省去不少心力；利如，為非設計系學生畫出社團海報、替媒體找出新聞快速加值的解答。李怡志在產學第一線還看見什麼？未來城市邀請他分享所見及思考。

未來城市Podcast EP.61

▹ 未來主持人：未來城市頻道總監 陳芳毓
▹ 未來大來賓：政治大學傳播學院助理教授 李怡志

▹ 訪談精華一次收藏：

李怡志指出，一但使用者可以拆解工作流程、運用框架，生成式AI工具可以大幅取代繁瑣作業、提升效率。圖片製作：未來城市編輯部

Q：你在業界時，很積極參與、鼓勵媒體數位化；到大學教書後，更把業界趨勢帶入學界。這次，你也很早開始嘗試生成式AI，同時在學校、業界開課與分享。就你的觀察，ChatGPT問世半年多，大家如何使用ChatGPT？

ChatGPT出來後，大家有一波熱潮，因為它可以快速生成大量的文字，所以大家覺得很興奮。但我跟業界互動時發現，大家多已熟悉ChatGPT的基本用法，但大多停留在簡單的用途，並沒有想窮盡它的功能。這也不能怪大家，畢竟我們很少針對才推出半年的東西，花這麼多心力去研究。

所以，ChatGPT才問世半年多，大家已很會運用基本用法，但也都停留在基本用途。
現在，還是有人把ChatGPT當搜尋引擎使用，我自己也會；當你不要求百分之百精準時，你問ChatGPT得到答案，它還可以幫你整理、條列，比問Google還快。

至於比較進階的用法，一來是還未完全被發掘，二來是社會上的討論相對較少。

Q：你認為，ChatGPT的進階用法有哪些？你有哪些嘗試？

大型語言模型其實有很多用法。過去幾個月，大家習慣把ChatGPT當成搜尋引擎，或是請它在某些情境下扮演角色。不過事實上，我們還可以將它分為兩個維度：

第一個維度：ChatGPT做事的層次。例如，你問ChatGPT一個問題，他回答並停止，這只有一層；如果它回答後，你再叫它針對自己的答案往下發展，這就叫多層。

第二個維度：它扮演的人數。例如，你告訴ChatGPT，模擬一場總共三人參加的討論，而它要扮演三個角色、分別回答答案，這就是多人。

多數時候，我們都只做到一層和一人，像是請ChatGPT扮演一個記者、寫一篇新聞稿，就結束了。

而思維鏈（Chain of Thought）就是一人但多層的用法。當ChatGPT回答後，請它拆解每一個步驟，再告訴你答案，那它就會一層一層往下解答。

至於多人且多層的用法，叫做思維樹（Tree of Thoughts）。你可以告訴ChatGPT，扮演三個角色進行討論；分別回答完後，再請它扮演的三個角色，根據上一輪的討論，彼此提出建議或反駁，直到沒有意見為止。

很多朋友看到我執行Tree of Thoughts的結果，都感到驚訝。因為過去在企業裡，如果要做產品市場分析，不是花錢請使用者，就是要找法務、財務、工程師來。但是，很多中小企業其實沒有法務，這時就可以請ChatGPT來扮演法務——雖然不可能完全取代人，但至少它說話像法務，可以提醒你基本的原則。我覺得這樣最起碼，你在和真人討論前，心裡就已經有個答案。

Q：就你的觀察，目前大家學習ChatGPT的需求，正朝什麼方向發展？

我感覺，目前大家應用的場景比較單純；如果要應用於更複雜的場景，則取決於你能拆解多少工作流程——這關乎你對工作本質的理解程度。

比方說，主持人和我都是資深新聞人，我們可以拆解的新聞產製步驟，必定比大學生還多。而流程拆得越細，就更能判斷ChatGPT可以用在哪些步驟、哪些不行。至於沒有辦法拆解工作流程的人，單純把題目丟進去、得到答案，雖然成果看起來有八分像，但品質一定比較差。

舉個例子，假設我今天要請ChatGPT寫一篇新聞稿，我直接告訴它題目，它也可以寫；不過如果我先把新聞基本要素的5W1H寫出來，再請ChatGPT寫成稿子，成品一定比前者好。

人類過去累積了非常多框架，如果你知道如何應用，再加上ChatGPT輔助，就可以做得更好。

Q：在大學教育現場，你觀察學生如何透過AI，啟發原有的能力？生成式AI能帶給學生哪些好處？

我覺得ChatGPT或者Midjourney真正的好處，在於減少投入繁瑣事物的時間。但我仍不認為，這些AI工具能完全取代人的價值。

我以圖像生成工具舉例。有天份、有學過美術設計的人是少數；沒學過的人雖然對視覺有些想法、能夠想像好看的東西長怎樣，可是心象和手的能力無法結合，所以做不出來。對於這種人，圖像生成工具提供很好的機會，可以反覆用它產出東西。

例如，我們政大學生很積極參加社團，而政大著名的「風雨走廊」，往往貼滿各種社團活動廣告。這學期開始，我漸漸看到用生成圖像工具做的海報。甚至有社團整年度的活動背板、海報，全都是用圖像生成工具做的。

過去同學的作品，要不很簡單、只有文字排版，要不外包請人做；但現在只要一個人，就能完成大部分的設計物。這對非設計科系的學生而言很驚人。

而且生成圖像很容易上手，多數人只要掌握兩、三種風格、知道如何下指令，就可以源源不絕地產出。這對於一般人而言就夠了，因為一般人不需要掌握千百種風格，就連真正的藝術家也是，兩、三個風格就能走天下。（延伸閱讀｜大學生能用ChatGPT寫作業嗎？清大首推大學AI指引，降低師生科技焦慮）

Q：作為新聞系老師與資深媒體人，你認為熟悉AI工具的學生進入媒體產業後，會帶來哪些影響？現今的新聞產業又出現哪些變化？

如果學生在學校裡，遇到的是對生存工具開放的環境、鼓勵他用，那他會對AI工具更熟悉，起碼不會比業界差太多。同時，學校與企業不同，仍有做實驗的餘裕；學生有機會參與專案、拓展廣度，也不太會受到質疑與責罵。

在新聞產業裡，不少國外媒體跑得很快，使用深層智慧工具做新聞照片、內容，也引起很多爭議——相對的，也同時立下規範。而國內相關作品較少，因為中文內容要投入的成本較高。

我們從路透社、美聯社的經驗來看，生成式AI對新聞業的影響有以下三種：

首先是自動化（automation）。其實，國外媒體早就將自動化應用在新聞產製。例如股市收盤，總共數千支股票，記者不可能一個一個寫。又或者每次地震發生，很多人忙著問氣象局，地震規模相當於幾顆廣島原子彈？其實這有公式，可以交給電腦算。

所以我有個Excel表格，只要輸入地震規模、代入公式，Excel就會計算出它相當於幾顆原子彈、921大地震的幾分之幾，整段文字我也讓Excel自動寫好——這就是自動化，在國外運用很久了。

第二是個人化（personalization）。傳統的新聞是巨觀敘事，所有人看的稿子都一樣。但是現在，廣告可以為你個人投放，新聞當然也可以為你改寫，成為個人化的標題和內文，我把這稱作微觀敘事。《紐約時報》就有這種專題，只要輸入個人資料，像是地址、年齡、收入之後，報導中就會有一部分為我而生。

微觀敘事一點都不新，也不會有什麼爭議；因為個人化背後是一個巨大的資料庫，但是它只撈出跟你有關的東西。未來我們可以想像，原本有一篇兩萬字的長篇報導，再針對每個人的身份背景，由機器產出一篇屬於你的2,000字版本。

其實，這是媒體以前的夢想——當初許多分眾電子報，就是想做客製化寫作，只是受限於人力做不到；但現在只要靠機器，就做得到。

最後是加值（value-add）。例如新聞時事測驗，一則稿子結束後，接著一個簡單測驗，能與使用者互動；但過去要看稿、設計題目與選項，看似簡單的一題，可能也要花上30分鐘。又或是最近看到，台灣有媒體開始嘗試在每一則新聞標題，都設有下拉選單。這些「加值」看似簡單，但是若交給人工製作，花費時間一定比寫稿還久。（延伸閱讀｜張潔平：將反覆練習外包給AI，人類還培養得出創造力嗎？）

Q：個人化、自動化、加值都由機器執行。除此之外，還有哪些人機協作應用，可能出現在新聞產業？

例如，記者的信箱每天收到十則採訪通知，你怎麼知道哪一則價值高？我以前都靠苦勞，每天、每篇政府新聞稿都看，總能撈到重要卻沒人寫的新聞。這個新聞產製環節，由人來做很耗時。

但是，現在可以把所有新聞稿丟進機器，讓它讀完後，區分哪些重要、不重要，再由人做出最後的判斷。很重要的一點是，你不可以讓機器完全幫你做掉；假設機器過濾後剩下十則，你應該從中決定出兩篇。這樣一來，漏網之魚會少一點，人也能價值判斷。所以，大型語言模型可以與人協作的是，在眾多的消息來源中，判斷哪些有價值、值得寫。（延伸閱讀｜真人或AI，你分得出來嗎？《天下》與台灣AI Labs聯手推「AI讀新聞」）

聽懂未來：關於生成式AI，我還想知道更多⋯⋯

未來城市給你更多知識補充包！

• 翟本喬：OPEN的教育，才能追上OPEN的AI
• ChatGPT怎麼用，才能發揮最大功能？｜ChatGPT使用須知8件事
• ChatGPT問世100天！給知識工作者的行動建議：6個月內請務必試用這些AI服務

想聽更多未來城市Podcast節目？

• 首播時間：隔週六播出。
• 頻道搜尋：天下雜誌Podcast頻道「聽天下」，或關注未來城市網站「未來城市Podcast」系列內容。