有時候，會因為和自己寫作的 Role Model 在相同的時間點，寫到類似議題時，總會有種很讚的感覺。那種感覺就像是他也認為這議題是重要的，而且更棒的是，可以從 Role Model 的觀點中，找到自己沒看見的洞察。
近來寫了好幾篇的 AI 議題，就是這樣的例子。前幾天，開 Mario at The Generalist 的信，標題就寫著〈What to Watch in AI〉，立馬點開拜讀。
Mario Gabriele 的文章，非常值得一看。而且他推薦訂閱他的免費電子報 [The Generalist](The Generalist)，在選題、撰寫角度上都蠻令人印象深刻的。重點是每篇文章都很扎實地長。
這篇文章主要筆記〈What to Watch in AI〉文章中所提及的趨勢。（他透過採訪了多家創投家、投資人，所寫下的觀察）。我也在撰寫過程中，加入了我的觀察與思考。
內容目錄
AI 從「分析」到「創造」的典範轉移
在過去一年裡，大眾對於 AI 的關注程度幾乎有著前所未見的高漲。（連我也是，尤其在體驗過 Dall-e 2 的強大後。）各類以 AI 為技術基礎、解決生產力導向的新創、新商業模式也都紛紛出現。
但如果把時間轉回更早之前，對於 AI 的印象幾乎就是所有公司的標配。主要圍繞在使用 AI 聊天機器人、過濾垃圾郵件等。
AI 的熱潮持續很久，（想想 AI 會取代哪些職業等論述出現多久），但直到近一年有更多人討論，尤其是Generative AI 。我認為有兩個蠻重要的關鍵。
第一，大眾可以更直接地感受到 AI 的強大與迷人之處。隨著越來越多人使用 AI 圖像生成工具 Midjourney、DALL-E 2 等，只要用戶能夠精確用文字敘述心中所想像的圖像，AI 就能幫你生成（generate）符合文字的圖像。過程不用一分鐘。
第二，AI 從過去「分析事物」典範轉移成「創造事物」。在社群媒體中導入聊天機器人、透過 AI 過濾掉垃圾郵件等，是過去大家較為熟悉 AI 在做的事。這些應用的本質是：分析內容與文字。
但如今只要幾分鐘的時間， AI 就可以創造各種原創內容。從 2D 數位圖像、文章大綱到撰寫程式的輔助工具等，它都能夠完成。也正是能夠提升生產力、創造新事物，讓 AI 比以往都更具有商業價值。
不僅限設計、程式，AI 將成為人類不同工作領域的「Copilot」
AI 將成為人類工作中的左右手，這點是 Greylock、Linkedin 共同創辦人 Reid Hoffman 和 Greylock 合夥人 Saam Motamedi 分享的。
和先前我在《Generative AI 目前發展？將如何維持競爭優勢、未來挑戰？》這篇文中，提到「 Generative AI 的想像：追求低成本、更具生產力」的想法不謀而合。隨著新科技的出現，理想上人類的生產力也需比過往變得更好、成本更低，更頻繁創新。
當科技巨頭 Microsoft 、Google 等加碼投資、佈局Generative AI 領域，都能想見未來將以 AI 為基礎的新產品綑綁（bundle）進現有的生產力平台。終極目標就是讓用戶更有生產力，並且能一站式完成。
AI 正成為各領域知識工作者的左右手。對寫作者而言，擁有 AI 內容平台 Jasper、Copy.ai 等。對設計師來說，則有 AI 圖像生成工具 OpenAI 的 DALL-E、Midjourney 等。
AI 正成為各領域知識工作者的左右手（Copilot），未來拓展的應用層面將不僅限於寫作、圖像設計、撰寫程式等。目前現有的有：AI 內容平台 Jasper、Copy.ai 等；AI 圖像生成工具 OpenAI 的 DALL-E、Midjourney 等。
此外，撰寫程式則有協助軟體開發人員使用的 Microsoft GitHub Copilot。Mario Gabriele 用了一個有趣的方式來形容，未來也會有更多類似「Copilot」的服務，出現在律師、財務分析師、建築師等職業當中。
由 Microsoft 在 2021 年 6 月推出的 GitHub Copilot 是由 GitHub 與 OpenAI 共同開發的服務。但近日深陷由眾多開發者聯手對 Microsoft、GitHub 和 OpenAI 提告，並直指他們違反了《數位千禧年著作權法》（Digital Millennium Copyright Act，DMCA）、《不公平競爭法》（Unfair Competition Act），以及GitHub隱私聲明與服務條款，要求求償 90 億美元。
生成式 AI 賦予每個人想像力成真、製作成本變更低
近一兩年內，Generative AI 的應用層面從文字、圖像，甚至到影像，都催生出相應的新創。像是，剛成獨角獸的AI 內容平台 Jasper、AI 圖像生成工具 Midjourney、Dall-e 2；影片創作平臺Synthesia）。
當一個產業領域快速竄紅時，總會問「Why Now」（為什麼是現在？）。「更好的模型」、「更多用戶數據」、「更多的計算」等因素都比過往的發展有了更成熟許多。
延伸閱讀：Generative AI 掀起熱潮，但為什麼是現在？
了解整體產業發展概況後，會想更進一步了解 Generative AI 的商業價值。也就是以 Generative AI 為基礎的技術，可以打造出什麼樣的產品，來解決人力成本高、創新速度慢等問題？
這樣的產品或解決方案，能夠為企業帶來競爭優勢，甚至成為企業的「護城河」（moat）嗎？（關於護城河的解釋：從成功到偉大 — 策略是為了打造護城河)）
想像一下，不用再花時間來回溝通需要怎樣的圖像，甚至連需要企劃、腳本、拍攝鏡位、剪輯等各種繁複程序的影像未來都有可能靠 Generative AI 做到。
FirstMark 董事總經理 Matt Turck 提到：影片創作平臺Synthesia 是個能夠說明 Generative AI 可以建立甚至發展成具有商業價值的業務，像是可用於培訓新人、製作專業影片給客戶等。
基本上，透過 Synthesia 大幅減少製作商業影像需要的時間、人力和資金成本。而且，賦予了每個人更多的創造性。
改變人類的工作流程（workflows）
Index Ventures 合夥人 Cat Wu 認為，隨著越來越多用戶和 Generative AI 模型互動，也就擁有大量數據可以訓練模型。因此，在將近 99% 的次數中，能夠得到有用且正確的答案，剩下的那 1 % 則不至於造成災難性的結果。
可以預想的情況是，隨著模型不斷針對用戶端所蒐集的數據與反饋，進行修正，基本上是可以往更好的方向前進：更能推動直觀、一同協作的工作流程，讓 AI 技術有更多商業價值。
對此，Cat Wu 的觀察蠻有趣的。她認為，「在下一代 AI 新創最好的產品是那些專注在工作流程設計、根據用戶反饋調整模型的。」選擇 AI agents 或是 AI-augmented SaaS 將會是這些新創所採取的類型。
AI agents 主要透過 AI 完成重複的知識工作。像是律師、工程師、會計師或醫生等日常需完成的重複性工作，則可由類似像 Copilot 等的 AI agents 來解決。
AI-augmented SaaS 則是透過 AI layer 在現有工作流程中獲得更多價值。像是，將轉錄（transcription）和摘要（summarization）的功能，加進現有在收集音訊數據的平台等中，來簡化 SaaS 應用程式。
