企業 AI 應用：不只是聊天機器人

先前很多企業談到 AI 應用，第一個想到的，大概就是客服機器人，這項應用在幾年前曾經流行過，也有不少的企業和銀行導入，不過，當時的 AI 技術比起現在，說來是有點原始，因此，效果只能說是見人見智，而今非昔日可比，ChatGPT 的出現已經證明現今的 AI 技術可以完成更多的事，所以，阿舍就開始在想，除了聊天之外，還有什麼應用是對企業有明顯效益的，尤其，是在阿舍熟悉的軟體開發與應用上來看 ...

Stable Diffusion 繪製

離線 AI 模型才是企業所需

雖然，像 ChatGPT 這樣的 AI 已經可達成一定程度的程式編寫能力，但是，它仍舊是一項線上服務，要將涉及公司商業流程或服務邏輯的資訊傳送給外部的 AI 服務以換取程式碼，對於企業來說，還是一件有風險的事，因此，前陣子由 Meta 公司發起，後續由開放原始碼社群熱心推動，可離線運作安裝在個人電線的 LLaMA 模型專案應該才是比較符合企業應用需要的 AI 模式。

目前可離線使用的 AI 模型至少有三至四套，大多號稱具有與 OpenAI 的 GPT3 類似的水準，但要達到 GTP4 的等級及更好的訓練效果，可能都還需要一些時間，但是，都可以用在內部練習訓練 AI 使用 (註：有些授權有禁止商用的限制，需注意)，因此，此時正是企業可以好好思考如何善用這類離線語言模型的好時機。

訓練 AI 成為員工

長期而言，企業可以透過整理和收集內部的各種資料集 (Dataset) 來對 AI 進行訓練，使其成為熟悉公司流程與作業方式的員工(機器人) 達到可以透過自然語言進行內部作業與流程的執行，一旦達到這個效果之後，由於許多的簡單判斷邏輯將可在 AI 端處理完成，所以，預計可以大幅減少現有程式碼的數量和複雜度，因此，企業應用系統的複雜度將有望透過被 AI 層吸收而減少進而降低軟硬體維護成本。

因此，就阿舍的認知看來，企業對模型訓練人才的需求會增加，這裡所指的模型訓練人才並不是指能夠創造或具備創造語言模型能力的開發者，而是明白如何運用現有模型與需要的資料集訓練出具有需求目標能力的 AI 模型；至於現有的程式開發人員則會因為程式邏輯運算位置遷移至 AI 模型而造成需求減少，但對於整合整體 AI 技術與軟體應用的人才則是一個新的需求領域。

AGI 與任務自動完成的來臨

什麼是「AGI」? 簡單說，就是具有像人類一樣主動思考和解決問題能力的 AI，有人評估這樣的 AI 技術在未來幾年內將會有明顯的進步，但在 AGI 還沒出現時，目前可以的方式是透像 BabyAGI 和 Auto-GPT 及 Langchain 這樣的開放原始碼專案在實驗中，這些專案的運作原理是將一個工作任務丟給像 ChatGPT 或 ChatGTP4All 等線上或離線的 AI 模型詢問一項任務的解決方法或步驟，而在取得回應後，程式即開始執行 AI 模型所告知的工作內容，在接續的執行過程中，不論是執行遇到問題或工作執行完成，程式均會自動再詢問 AI 解決方式或是否達成任務目標，如此交互循環運作直到問題都解決或沒辦法解決為止，運作起來的效果，就能夠有像在思考的 AI。

透過上述方式，可以有效的利用 AI 技術來自動完成任務，像是網頁資料擷取或是產生可以透過測試案例驗證的程式碼等，不過，這項技術目前還在發展中，但是，已經可以套用在一些比較簡單的應用中了，有興趣的朋友們，可以下載前面提到的幾個開放原始碼專案來試試，不過，要注意，可能會很吃 OpenAI API 的錢。

結論： AI 是企業應用系統的中間層

用聊天的方式當作界面取代現有企業應用系統的操作界面的作法，在幾年前聊天機器人(Chatbot) 興起時，已經沸沸揚揚的討論過了，事實證明，單純的聊天界面可能無法適用在企業需要快速與龐雜選項的輸入介面，同時，也還無法取以程式碼運算邏輯的方式，所以，就如同上面提到的 AI 技術角色而言，處於前端界面和後端程式碼之間的中間層應用，可能才是導入 AI 技術到企業應用系統最有利的方式，而詳細的可能導入方式，後續阿舍有空再來寫寫。

👉(續) 不學 Prompt 技巧也能善用 ChatGPT 的簡單方法

2023-04-10