身為行銷文案人，AI寫作能幫你做什麼？

這兩天，以GPT-3技術為基礎的「AI自動寫文案」功能成了十分熱門的話題。有些人測試出了令人驚艷的結果，但AI有時候也給了錯誤百出的答案。整體來說，AI技術是持續在進步的；從行銷和寫作的角度來看，它能幫我們什麼忙、又有什麼需要小心的地方？

Fred Jame / 傅瑞德

Dec 03, 2022

這兩天，以GPT-3技術為基礎的「AI自動寫文案」功能成了十分熱門的話題；許多人都競相出題目讓人工智慧生成文章，而有些這類文章還真的寫得有模有樣。例如：

觀察了一些這類自動生成的文章之後，我的想法是這樣的。

先講前提

現在的AI是很厲害，而且隨著運算速度的進步、演算法的改進、以及學習資料的增加，一定會越來越厲害。

不過現在看到的厲害，讓大家驚艷的原因是「相較於從前的智障AI」。然而以後會不會發展到超越「一般真人」的寫作能力？假以時日，非常有可能。

如同大多數人，雖然我有生之年不見得能看到完全自主、有思考和判斷能力的AI出現，但對於AI未來的發展潛力、以及它在未來人類生活中扮演的角色，都有著一定程度的期待。

我並不擔心AI的普及會危及人類在各種工作上的主導地位，因為在可見的未來，AI能完全自主思考之前，能力無論多強，定位還是在「能幹而忠誠的幫手」。

（但我也說過，如果AI能夠自主，「機器人三原則將只是人類的一廂情願」；這一點將會是未來持續發展AI時必須面對的哲學矛盾。）

比較令我擔心的，是人類在獲得大量AI協助之後的怠惰；不僅工作可能被AI直接取代，連自身的定位都會變得模糊。

現在的AI寫作

仔細看現在AI寫出來的東西，讓一般讀者覺得厲害的地方，在於文章內容變得相當通順、而且開始有架構邏輯，這一點很棒。但是以真人專業文案作者（我）的觀點來看，有很大的部分還是廢話堆砌。

適當的廢話堆砌，是讓文章變得通順易讀的技巧之一；「一加一等於二」這個事實，讀起來就不會像「一個人和另一個相愛，就是美麗的兩人世界」這麼浪漫。

具備這類的修辭能力，是AI的一大進步；再加上原本作為AI強項的邏輯推理，就成了錦上添花。一篇好的文章，通常會具備以下幾個要件：

邏輯推論：這又可以分成好幾層，「因為／所以」只有一層，「因為／所以，然而／如果不是／就」是兩或三層，依此類推；這種可以寫成程式邏輯的推論，是機器原本就擅長的事情；
具體與非具體的事實的引述和呈現：例如「中華民國於1911年成立」（具體事實）與「她是個多愁善感的人」（非具體事實）；
現實與非現實敘述的交替運用：例如「今天基隆在下雨」（現實）與「天上的星星不說話」（非現實）；
引述與類比加強語氣：如「俄國對烏克蘭的侵略，就像當年德國侵略法國」或「她香得像一朵花」；
運用形容詞、對仗、隱喻、成語、暗諷、反差、等等技巧來強化修辭等等。
當然還有許多族繁不及備載、由人類在幾千年文化中發展出來的技巧。

從上面列出的這些內容、再對照AI目前寫出來的內容，大概就可以知道它現在能做到的程度、以及未來還需要發展的方向了。依我所見，目前的進度大概還只在1.跟2.之間。

這也就是前面之所以說「AI目前的厲害是學會堆砌」了。這並不是貶語，而是指出它已經往前進步了一個階段，只是目前僅此而已。

而因為對於許多讀者而言，這種堆砌會被當作一種單純的「智慧」和「寫作能力」展現（他們對真人作者也往往是這樣評價）；所以未來的AI為了能「讓人看到進步」，開發者可能會在這一點上「變本加厲」。

或許以後會衍生出不同類型的AI，有些用於不需修飾的資料查詢（像是現在的維基百科）、有些則用於「花俏」程度可以調整的文章或文案寫作等等；那麼，這一點就不是問題了。

AI寫作現在可以做什麼？

對於專業寫作者而言，善用AI會是很方便的初稿產生器；可以很快的產生出現成的段落架構、甚至自己原本沒有想到的論點，等於是扮演著部分「代筆作者」和「腦力激盪者」的角色。

但以目前的AI能力而言，內容產生之後還是要靠自己的判斷、修辭、以及寫作能力（也就是前面的2.到6.各點）來進一步修整，並且以個人的專業領域知識來驗證內容的正確性。

在「驗證專業領域知識」這個部分，AI以資料連結和速度方面的優勢，或許往後可以扮演協助資料比對或校正的角色，例如指出「第一代Mac電腦在1986年問世」（正確答案是1984年）這句話中的錯誤；或許往後還可以做更多新聞事實查核、或是協助提高文章技術層面精準度的工作。

不過以最近的例子來看，目前的AI經常還在「依照關鍵字去抓答案、但缺乏判斷答案真偽與邏輯關係能力」的狀態。例如：

而有些限定範圍的知識如「XXX是什麼」（定義資料+語句邏輯+基本修辭），AI的表現就相對比較好。

如果AI會說話

但如果我們不從「AI幫人寫文章」的角度來看，而是「AI怎麼表達」來看，現在的水準就比從前進步很多了。

以「自然語言查詢」這件事情為例。二十多年前Google、Yahoo、以及其他如AtlaVista和Lycos搜尋引擎剛問世時，「如何用對方式才能搜到答案」還是一門學問。

當時如果輸入「今天台北天氣如何」，可能會找不到答案、或是顯示你不需要的資訊；必須懂得下「台北 +今天天氣氣象局」之類的關鍵字語法，找到的機會才比較高。

但現在的搜尋引擎變得比較聰明了。它會解析「今天台北天氣如何」的語意，呈現出應該是你想要的答案、並且整合出資訊的顯示型態：

既然搜尋引擎（以及現在的GPT-3人工智慧）已經懂得如何理解人們的問題，接下來就是「如何講答案」了。

像上圖一樣的Google圖表是一種方法；現有「語音助理」（如Siri）回答「今天天氣 ___，氣溫 ___ 度，可能下雨」的「非AI填空式」答案也算可用。

但如果以AI能力整合這些已知的資料，並且透過有架構、邏輯、修辭的表達方式，轉為語音提供答案、甚至還可以跟使用者根據上下文語意（context）聊聊天，那麼現在的表現就已經相當優秀了，值得再進一步發展。

AI應該讓寫作者更勤勞，而不是更懶惰

回到文章／文案寫作者的角度來看AI。

當AI寫作進步到一定程度時，雖然我們可以用它來當作輔助工具，但空出來的時間就應該用於持續提升自己的能力，時時超越AI能做到的領域，而不是都交給AI代勞；否則，因為「你能做的事，AI都能做」，所以最後的下場就是被AI取代。

有些企業主可能會認為，因為AI已經能寫出有模有樣的東西，所以往後或許不再需要專業作者，把文字工作都交給AI處理也無妨，就像某些業主目前看待電腦翻譯工具一樣。

如果只是為了成本考量，或許這樣做也無妨；但也如同使用機器翻譯一樣，還是有幾個基本原則：

成品至少要有一個懂內容的活人看過，特別是自己不內行的外文；
如同任何AI產品（如自動駕駛），整個產生和使用成品的過程中，必須有「當責」的機制（簡單說就是「誰把關」和「出包了要找誰」）。

因為AI不是不可能犯錯，但AI不可能為你的損失負責。

例如Tenz Shih說的「顯然大學生不能用OpenGPT 來寫報告」：

這短短兩個對話之中，AI提供的答案就有非常多的錯誤（雖然第一個問題是陷阱題，演員Morgan Freeman目前還健在）；雖然AI的答案有邏輯、架構清楚、修辭以機器的水準來說算是中規中矩，但完全不能列為參考、更不用說用在正式文章之中。

（當然，AI也有很多很正確、而且令人驚艷的答案，但這種「一本正經、但對錯難辨的不確定性」才是真正的問題所在。）

結語

而上面這則例子，也再度驗證了先前講的幾點：

雖然AI現在寫文章可以有點架構邏輯，但不要被表面上的華麗騙了，實際上還有一段很長的路要走。
產生的結果要實際使用，至少要有一個懂內容的活人看過。你會覺得某些答案「好得令人驚艷」，是因為你懂。
還是要有人當責。如果學生／員工偷懶用AI寫功課，出了問題最好可以跟老師／老闆說是AI的錯。

這並不是在貶低AI，而是它就像汽車一樣，並（還）不是萬能的；要發揮最好的作用、又不會翻車，還是有它一定的使用極限、規範、以及最適合的使用方法。