2023年是生成式AI（generative AI）元年，對陳縕儂來說，這是一年來自己長期耕耘的專業終於能夠應用、落地的一年。陳縕儂是台大資工系的副教授，從2016年從美國返台任教時只有29歲，是當時台大資工系最年輕的副教授。
陳縕儂選擇在自然語言處理、語言理解、對話系統等領域鑽研，是因為她希望能將科幻小說中的未來科技變成現實，比如用聲控就能開關燈、視訊或自動駕駛等。她希望自己的生活可以更加便利，所以希望能開發出這樣的技術。
AI（artificial intelligence）就是人工智慧，只要是用機器來模擬人類的智慧行為，都能稱做AI。比如人臉辨識、車牌辨識、語音辨識等都屬於「辨識型AI」（discriminative AI）。這些AI都是在模擬人類被動接收資訊、理解的行為。
生成式AI之所以讓人驚豔，是因為它有主動生成資訊的能力，就像人類可以畫圖、唱歌、寫詩等。生成一定比理解更難，就像看懂一個好的小說，跟自己寫出一個很好的小說，難度差非常多。
AI轉型不等同於數位轉型。數位轉型只是把所有資料數位化，比如把交易紀錄、顧客資料等數位化，這樣可以獲得一些商業洞察。而AI轉型則是基於這些資料進一步產生服務或應用，為公司創造更多營收或節省成本。
陳縕儂表示，不是所有公司都一定要導入生成式AI。公司要先評估自己的需求，看是否有基礎建設，是否值得投資。每間公司的需求差異都非常大，有些公司導入AI能夠節省成本，有些公司則沒有這樣的需求。
微軟和Facebook的做法不同。微軟提供了一個雲端服務，讓公司可以用微軟的模型進行客製化。而Facebook則是將模型開源，任何人都可以使用。選擇微軟的話比較方便，但長期來看，公司還是需要自己擁有這方面的能力。
AI轉型需要有工程團隊的支持。過去大部分公司在導入任何一種系統時會考慮外包，但科技翻新的速度愈來愈快，系統導入其實並非一次性買斷的服務，而是需要一直更新和維護。所以現在愈來愈多公司開始考慮自建工程團隊或AI團隊。
組織AI團隊也存在一些困難，比如新舊成員難以融合。有些公司想找在AI領域比較資深的人來領導團隊，但這樣的人才在台灣非常少。另外，AI人才通常是新鮮人，大部分公司又會很顧慮年資，覺得年資淺的人不應該領太高薪。所以公司在組建AI團隊時需要面對這些問題。
陳縕儂建議每個人都應該要略懂AI，知道怎麼問問題、把AI變成自己的工具。未來每個人都會有一個貼身助理，幫你處理工作與生活的大小事。
AI轉型是一個趨勢，但不是每家公司都必須要跟進。每間公司都有不同的需求，需要評估投入的成本和得到的效益是否值得。AI可以為公司帶來很多好處，但也需要考慮到公司的特殊情況。所以企業一窩蜂跟進AI轉型未必是一個明智的選擇。
Share this content:
