Podcast 訪談：知識衝浪 - 亞洲第一個零售業AI生成模型的幕後推手來了

在 APPLE Podcast 上聽

在Spotify 上聽

逐字稿

(音樂) 哈囉大家好 我是Tina 歡迎來到知識衝浪 我們每一集會邀請創業家、投資人或是不同產業的專家 用深入審註的方式帶大家一起了解科技新趨勢 (音樂) 那麼現在科技圈呢 大家討論的話題已經不再是 該不該導入AI 而是如何導入AI了 可是對許多公司來說呢 其實要導入AI它是一個滿大的工程 不管是資源到訓練AI、Model等等 都是一個很大的挑戰 那這一集呢我們邀請到台灣零售科技公司 9eAPP的產品長Happy 來跟我們分享他們如何在很短的時間內 就打造出許多的AI服務 以及推出亞洲第一個零售業的AI模型呢 這中間有沒有什麼挑戰 或是有一些寫類詞來跟我們分享 以及聽聽Happy對於零售業有了AI之後 他未來會怎麼樣的改變 歡迎Happy 大家好我是Happy 好那請Happy先簡單自我介紹一下 對啊就如Tina所說我是那個9eAPP現在的產品長 也讓我工商一下 請工商請工商 也是有經營一個網站叫零售的科學 零售的科學大家請去訂閱 如果大家對於零售業真的有一些興趣的話 也歡迎大家可以看一下 我要工商一下9eAPP是新原資本很早 2013一次就投了這個最早最早的Perfolio 所以也是我們非常成功的一間公司 好工商結束那好請自我介紹 9eAPP已經十幾年了 十幾年了 其實我應該是第一天就加入了 所以最早我們是一個開店的系統 幫每一個零售的品牌做自己的店商的網站 到做他們的APP 然後來做CIM 所以我就這十幾年其實就投入了 本來因為我是一個亂地工程師 也因為這個工作 所以就認識了零售業認識了店商 所以就人生不小心就被轉型成 所謂的零售專家或店商專家 不過其實最終還是用技術來想辦法協助 產業解決問題 所以這十幾年來其實每一年 大概都會有一些新的技術跟挑戰 其實過去我們也沒有料到 到今年這個AI這個技術會整個爆發 所以過去可能都在講零售科技 那可能今天我們要討論是AI 今年就是大家會因為OpenAI跟Chart GPT 然後忽然AI就這樣爆發了 然後現在所有公司企業 全部人都在討論這個議題 然後也逼得很多人好像 有一點幾乎是不得不去 研究這件事情不然好像會被淘汰 大家的AI焦慮感都非常重 所以有APP身為零售專家 你們當時在Chart GPT一出來的時候 有去評估說這個東西 這個AI是真的要導入嗎 還是只是一個hype 當初有什麼樣的討論是怎麼樣的 就像剛剛有大家提到 其實我們2022年我們每一年 反正年底大概都會去做年度計畫 所以老實說其實根本沒有 做到所謂AI的年度計 AI這個話題也不是說 今年才開始我們講的叫做它破圈 破圈的原因大家應該知道 因為GPT就是GP真的是任何人去試它 就覺得好像真的很厲害 應該不是好像 第一次是就很深切的感覺 所以我們在那時候大概年初的時候 我們就做了一個決定 就是把一些資源撥出來 都跟上話題或熱潮 其實我們也會遇到市場的挑戰 因為連客戶都問我們說 它可以做什麼 大家都在問 所以我印象深刻就是 那時候大概是3月 大概我們就做了一個決定 我們在一個月以內就要去整合 去GPT的工具 所以我們大概就在一個月以內 就做了把GPT做為基礎 其實底層是OPPAI 我們就去整合OPPAI 然後去協助我們客戶 比如說像是一件產生商品圖 一件產生他要跟會員溝通的文案 這都是GPT的強項 因為它是個大圓模型 所以它會產生有創意的文字 跟有創意的一些說話的方法 甚至語調等等 我們就大概 因為它已經是個很意外的成熟的工具 我的意思是說 因為你叫它說人話 這也是真的講得蠻好的 甚至可以給你一些創意的想像 所以我們想到 您說應用很快就做這些事情 因為有時候 我們的客戶在想商品文案 在想要跟會員溝通文案 的確也是蠻費工的 整體運氣之後反應也蠻好的 那就我們客戶在使用 所以其實很好用 而且客戶反饋很好 所以就當然是要繼續往下做 OK 後來又有出現這個 另外一個產品叫做Joy B 這個產品是什麼 可以跟大家介紹一下 這個故事是這樣 其實我們看到AI 在今年突然起來 那去用CHATGPT是一回事 可是我們也在思考說 那在零售業 我們自己可不可以做什麼 因為畢竟JoyPP 我們還是自取為 科技工資 零售業的領導廠商 所以我們就在想說 所謂的AI 我們在看這種Generative AI 就是這種 所謂的這種CHATGPT 它是以大語言模型為基礎的 它其實解決了一個 為什麼會破圈 因為它解決的問題是 它是有辦法像人一樣說話 所以任何人跟他瞎聊 他真的都跟你瞎聊 你問他問題 他也可以很正經的回答 它會變成滿 一般 滿普遍的 因為任何人你不需要 解決產業問題 你就是跟他聊天 你就有感受 你跟他吵了 可是零售業 到底我們有沒有辦法 做一種專屬於產業的AI呢 我們就開始在想這個事 其實根遠也是在於說 老實講 我們去整合CHATGPT 或整合OPENAI 我們做得到的是 任何人都做得到 因為這對我們作為一家公司 我們也會在思考說 我們其實說白了 就是用一個工具 AI最後會變成一個 很普遍的工具 我們有沒有辦法 做不一樣的 有門檻的技術呢 所以我們後來就會思考說 那我能不能用零售業的語言 用零售業的數據 來訓練零售業 這個產業專屬的AI 那所以要解決零售業問題 所以我們才去開始想 零售業問題是什麼 其實零售業問題 是一個叫做人跟商品的問題 什麼叫人跟商品的問題 就是怎麼協助一個人 找到對的商品 用一個對的商品 找到對的人 其實零售業的根本問題 是一個很普速的問題 所以我們就在思考說 那我能不能做一個AI工具 用零售業的數據 去解決一個 這個根本的零售問題 就跟Generative AI 解決的是一個很基本的問題 就是他把所有人類說話的方式 去訓練 然後解決一個問題 像他就是表現出 像人一樣說話這件事情 我很好奇喔 就關於Chart GPT對不對 他畢竟他是英文 他現在中文之源的眼 你也覺得OK 對 是啊 OK 然後再來就是說 有些人會覺得 有些企業會覺得說 一起Chart GPT好像 用他就是把一些 機密的資料給他了 然後甚至有些公司會說 我不希望你們用這個東西 你們會有這個 你們的客戶 會有這個concert嗎 只要是企業 其實或多或少 最後都會有這個考量 那凡是provider 無論是Open AI 或者是Google 或者Micro 他們都會說 我說我保證不會這樣做 好 那 不過這個就是說 他最後就是一個 你你你你你 你你你你你 你你你你你你你 你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你你 提供了一個叫Vertex AI 好 OK 那 再開發這個東西 因為你看Open AI 他當初做這件事情 他可能花了 哇 幾幾億 幾十億的美金 然後這麼多人去投入 那你剛剛提到說 9.1可能現在想要 做一個零售 為零售打造的一個 這樣的一個模型 那他中間有 會遇到什麼樣的挑戰嗎 或是有什麼困難嗎 我必須要說 雖然說 我們講說 今年沒有AI的計畫 但後來突然 編列了AI的計畫 但老實講 我們其實投入AI 大概有五六年的時間 OK 那以前的AI叫什麼呢 叫做Machine Learning 對 Machine Learning 叫Deep Learning 所以其實說到底 應該是說AI這件事情 發展了很久了 只是今年 特別不一樣 因為大於的模型有所突破 不過我們過去 也一直想辦法 要解決零售的問題 其實還是在講 我怎麼幫人找到 多的商品 幫商品找到對的人 我們過去其實就 提供很多 其實背後是用Machine Learning 或Deep Learning 算出來的模型 給我們客戶使用 無論是各種的分局模型 或者是 個人化形象的模型 都好 早期是這樣 早期跟客戶說 這個是AI 他們都會 就是抬個眉頭 其實我是不太相信 因為他們就覺得 AI是個形容詞 你說了算 因為大家沒感覺 不過今年大家講AI 就覺得信了 因為反正看起來 真的是真的 至少一直都真的 只是方法 所謂Approach不同 所以過去 我們在 圈形一個這種 解決零售的問題的AI 我們用的是Machine的方法 的底層 還是零售的數據 什麼叫零售的數據 就是比如說 每個品牌 或有自己的會員 會有它的交易 會有它的點擊行為 比如說我看了什麼商品 把什麼商品交給購物車 這些東西 過去我們是用 Machine Learning 或Deep Learning的方式 去訓練 只是新的方法 是用LM的模型 去訓練 我們走的一種方向 如果講專業技術 就是我們用Invading 把每一個商品 或人抽成項量 差別是什麼 差別是 過去用Machine Learning 跟Deep Learning 我們抽的項量數 二三十個維度 或三四十個了不起 因為它是人 或用Deep Learning 去想辦法抽出來的 OK 可是LM模型 我們用Invading做 OpenAI 它基本的項量數 是1300多位 然後Google的話 大概是700多位 也就是說 我整個的相當空間的 維度數 暴增的 不知道是多少倍 三四十倍以上 所以事實上 方法還是一樣 只是LM 因為這種 大學語言模型的出現 使得我們在 解決這個問題的 能力上 或者是說 我們的等級上 直接跳級了 但是我還是背上 這種大學語言模型的根本 然後去訓練 一個零所有的模型 所以其實 過去最難的是這些算法 算力 然後 因為以前這些算法 我可能要很大的算力 才算得出來的東西 或者是 我們也想不出新的算法 可是OpenAI 他們想出一些算法 使得LM 解決一些算法的問題 然後使得我們在 算模型之前的 這些原生的 取向的材料 變成很容易取得 所以現在困難 已經不是這件事了 現在困難又往下沉 它會變成 一直以來在討論的事情就是 那你訓練的數據是什麼 ok 這還是一切的根本 無論我們講 訓練的或 或deep learning 或者是我們講大學語言模型 那你訓練的根本是什麼 就是數據的 quality 那因為 因為OpenAI 他們現在 用像人一樣說話 其實就是 大家都知道 他就爬 整個internet上的東西 可是產業模型很有趣 產業模型 也要用產業資料 所以產業資料就會變成 那你誰擁有最大的產業資料 其實他就是會有他的優勢 所以這個其實是 你如果我們在講 訓練一個 產業AI模型的困難 大概有這幾成 以前卡在算法 可是我覺得現在已經大概 大幅度 由這些 厲害的公司都突破了解決了 那 那算力就是要看 黃先生嘛 算力就是 你能不能拿到GPU嗎 但這個遲早 我還是會解決 那現在其實 數據又是一個 產業資料是個有趣的問題 有趣的問題 所以 意思是說 誰有足夠多 很有質量的數據 誰可能就有一些優勢 是 但他也可能最後會不是 這個也是有趣的地方是 現在 真的所謂在討論AI的業界 也有在講 就是說 現在幾乎可以做到 少量數據 也可以訓練出有價值的 但是現在還在 還在一些 實驗跟驗證的過程 不過 中途 是有可能的 因為這個 AI會彼此 會有一個叫做 協作的機會 現在有在討論這些問題 就為什麼 OpenAI上 它Open大量的 Prog-in 然後它 現在大概有上千個 Prog-in的 就是因為 它專注做好一件事 就像你一樣說話 可是 其他的產業 或者說 你要會畫圖的 你要會畫一個流程圖的 你要會看一個論文的 你就是還有 或者你要去訂餐廳的 你還會找飯店的 其實它就開始 讓各種 Prog-in 每個 Prog-in裡面 可能又寫一個 為了解決問題的 專門性的AI 然後他們就寫作 共同解決一個 最後很複雜的問題 OK 好 你所以講到這些 怎麼樣可以再更進一步的去 做出一個 更厲害的AI Model來 來讓領受業 可以解決你剛剛講說 人跟物商品之間的這個 互相去 尋找對方的關係 但我會覺得其實 對於消費者 一個一般消費者來說 會覺得 店商其實已經很 很發達了 對我來說 就是我要基本上 找到什麼東西 其實我都可以找到 然後 會覺得好像是一個 還滿成熟的一個產業 所以你會覺得說 AI真的發展到 5年10年後 它會有什麼樣 現在我們可能 想不到的一些應用 會因為AI來發生嗎 以後我要買東西 我用想的 就可以知道了嗎 或是就可以買到了嗎 或是有什麼 更厲害的一些應用 林瘦業是這樣 林瘦業就是說 場景科技 會改變林瘦業的樣貌 這什麼意思 就是最簡單講就是 電商 因為以前的林瘦 無論你是品牌還是通路 品牌就是像 艾迪達 聽布人 Levis這種品牌 他們過去最熟悉的 通路操作就是開門市 直到電商起來 阿馬龍起來 台灣譬如說PGO 摸摸起來 早期他們還在觀望的 這是不是一個新的通路呢 它是不是一個 成立的銷售場景 不過事後看 現在這個不是個問題 因為場景科技 我講的就是 電商 電商物的系統 使得這個場景成立了 所以所有的品牌 就開始往這個場景通路去 所以場景科技 會創造新通路 這是必然會發生的事情 所以後來 因為手機的關係 有App 我們後來就去做App開店 原因也是因為 我們認為這位 是一個新場景 再可能更早前 大家可能也不太相信 可是近幾年 大家也不太懷疑的 因為下皮一進來 他直接從App打進來 逼著所有的電商 通通都要做App 其實這也是一個場景 創造了一個新的通路 所以他下飛者 就用App來買東西 你退回到20年前 根本無法想像 怎麼用手機 在現在買東西 所以同樣就是說 AI會帶來什麼 大家就在討論 靠大家在想像 其實很多東西的想像 都已經幾乎快要成真了 就是很多的電商 或很多的科技工作 都在佈局那個叫做 智慧音箱 智慧音箱其實都是 或者是Apple Apple的版本 阿巴農有一個Aco Google有一個版本 其實它就是大型語言 大家都想像 當我的需求很明確的時候 我就跟我的家音箱 講說幫我補一下洗衣粉 大家是不是就可以下單 事實上已經成立了 因為阿巴農就是這樣做的 這個叫音箱 這是最直接的 對話比如說你用Line 你可不可以不用瀏覽網站 比如說我就是跟某個Line的OA 我就講說你幫我找一個 中秋節的禮品推薦我3個 然後我就找出3個 然後我就去買 逛商城這間行為 行為有沒有可能是 有一個購物專家 或購物小幫手 幫你去搜尋 然後你在 他挑給你幾個選項 你再去決定就好 然後不喜歡你再叫他退回 你再給我幾個 或是搞不好以後 我們每個人都一個虛擬 小助手 然後我只要跟他互動 你去幫我去 下皮下單 就可以完成了 所有的場景科技 他都不會100% 取代其他的場景 其實應該最後的結論 就是說消費者 要買東西的管道 會變得非常的多元 就很像有電商 他並沒有消滅實體 所以他指數會變得 消費者會變成 OMO是不是 虛實容 應該說你習慣在哪裡買 你就去哪裡買 所以他會變成是 越來越多元 所以品牌來說 就越來越頭大 我要去負責的這些 通路也好 或是管道也好 越來越多 所以就要交給9EAPP 謝謝 講得錯 越來越複雜 我們現在也不單純講OMO 我們現在談這種概念 就叫做Omichannel 全通路 就是把整個場景 覆蓋越來越多 然後整合起來 OK 所以未來 零售或電商只會 因為AI變得更多元 有更多的這個可能 對西端可能 想像 當然就會 剛剛談的一個案例而已 但還有為什麼 其實我們大家也都在 嘗試或者是在思考 可能性是什麼 對 那我知道其實 Happy自己也非常的 花那麼多時間 在研究很多AI的工具 然後你也有出一個 AI新聞生成器 可以跟大家分享說 有沒有一些 有趣的一些AI小工具 讓大家可以 不管是 shopping 不管是提升 各種生活的效能 或是單純好玩都可以 我先講幾個 然後我第一個 我先就工商一下那個就業 就業一套 JOOII 因為剛剛有提到說 我們就做了這個工具 可是他到底在哪裡 可以被使用 沒錯 在champ GPT 的prog in 大家可以去 champ GPT的prog in 他的prog in store 搜尋JOOII 這是免費吧 就可以去搜尋 還是要付費吧 不好意思 要付先付費 champ GPT 不是付給我們 如果是有付費版的 champ GPT的消費者 你就可以在plugin 裡面找到JOOII JOOII 那他可以做什麼呢 他其實就是一樣 就是說 你可以跟champ GPT聊天 然後把JOOII掛進來 就可以滿足說 譬如說 你就問champ GPT說 那我現在想要送給 一個我的合作夥伴 然後對方是一個 可能35歲的女性 那我想要送一個 非高點類的 中秋離聘 然後不要 但是我 真的給我一些創意 然後他就 JOOII就會去幫忙 搜尋嗎 那他會從JOOII裡面 搜尋 還是他會從 全部的體類 我們現在其實是open開來的 就進開來 OKOK 他是一個公正的 OKOK了解 然後如果你不喜歡 你可以問他說 那方向 譬如說 價格大概現在哪裡 可能 可能等等 你應該也告訴他 一些指令 對對 然後他就會 透過JOOII GPT 再轉給JOOII JOOII就會去做一些 做一些過濾 然後最後找 然後一直一直推薦 就像剛剛講的 購物小幫手一樣 然後但是是 跟champ GPT這樣的 協助這樣子 OK 然後如果你跟他聊 越久他會越 認識你嘛 所以你就會留下 更多的context 就是他會 就慢慢學習 你這個消費者 大概喜歡買什麼 偏好 然後他就會越 理論上會越貼 推薦越準 對 這是我們的 第一個嘗試的開始 當然這個 整個JOOII的服務 不會只有在卻局上 因為他就會被限縮在 有付費給卻局 卻局的專業用戶 那之後我們就開始 我們現在已經開始 往比如說 大家可以想像就是LINE LINE 台灣人生技術 我們客戶的官網 一樣有對話機器人 你就可以做這些事情 這樣子 OK 那這個是 這個是講說 可能是購物 真的是購物 購物工具這件事情 不過其實 一般工作上是這樣 我把它分成兩段 因為是在談說 哪些有趣AI工具 那我們自己是這樣 因為我們本來 就有幫客戶 做待運營 我講的待運營 是說他整個電商網站 可能連商品拍攝 廣告的素材 那個官網的首頁 就是我們整個素材 都是我們做 所以我們其實 本來就有一個團隊 他就是在做Creative 那他們就是 產生大量的 各種素材圖 尤其是商品拍攝更麻煩 那其實大家應該有看過 現在商品拍攝 已經可以不用找model 沒錯 那我們現在就是 真的在公司內部 就大量使用這種AI工具 因為他其實對公司來講 我本來就在做待運營 那我如果可以用AI工具 讓我這個工作效率 大幅提升 其實對公司的角色來講 這東西就是 它是 它就會有更大的 矛盾空間 所以我們其實就已經 在這個創意團隊裡面 大量導入 無論是自動修圖 然後無論是自動套衣服 就是model 很多 因為這個工具學家 真的是滿 越來越現實 你可以分享你們最常用 或最推薦哪幾個 還是會講到 進品之類的 是不會 因為這個都是一些 一些杜文小東的名字 然後還有一些就是 當然就是現在AI去產生 那種 就是產生圖文的能力 像我們有需要幫客戶 想文案 這個都是 幾乎都是確DGBTK 或者是一些相似的工具 它都可以做到 沒錯 我覺得model 是不是都要失業了 以後 需要他們的機會 會慢慢的降低 但我認為還是不會 因為 這個世界永遠都是這樣 你知道 都是永遠會有復古 會有復古 然後或者說 工業 這是真人對不對 然後工業時代之後 你就會說 這是手工 就特別貴 都會是這樣子的 是啦 OK 然後我要個人 沒錯 我自己當然就是 因為AI出來 然後我自己去做一些研究 所以我那時候的困擾 我自己的困擾其實就是 我資料這麼 我每天要處理的資料這麼多 那 比如說要看一堆新聞 那我可不可以 讓AI幫我有效率 有去做這件事情 對 所以我在 的確三百年 就自己做了一個小project 叫做AI讀新聞這件事情 對啊 那其實就是 一開始只是summarize 它不是只是summarize 因為我等於是 透過AI summarize 再summarize 然後它還會去比較 比如說我爬進來的 一百則新聞裡面 其實大家會很意外的發現 新聞都是重複的 然後呢 我就會透過 它透過抓進來 它summarize之後 其實AI是會告訴你 因為 雖然標題不一樣 內容是一樣的 因為AI的能力就是 它就會知道 這個全部都是 同一則新聞 所以呢 同一則它就貼個標嘛 然後最後我就summarize 就summarize8 重複的新聞 越多的代表它 話題越強 比重越重 然後它就在秀 比較前面 最後它就會有個比重 然後我就可以 很快的去消化 今天重點的 比如說科技類新聞 軟體類新聞 還有區塊類的 區塊類 我們還在關注區塊類 很棒 還在關注一下 剛留下回來了 然後 做好一套之後 很意外的發現 我竟然可以 同樣的工具 我去消化 日本的新聞 美國的新聞 然後 正是一些 你可能平常 我平常不太會去看的 比如說德國的新聞 因為它是德文嘛 你就會用很短的時間 去消化 全球今天 比如說科技業 在關注什麼 然後你就會很意外 發現說 這個方面的領域 還滿全球化 就是有些話題 它就是 就大家在 大家在聊的差不多 尤其是那些 那些big company Able 跟 Google 在耳朵什麼 就是反正你日本 英國的新聞網站 都會報導 差不多的事情 當然日本的新聞 會有一些 相對local的東西 就滿有趣的 不過這個其實 是一個 我自己用的小工具 你太強了 而且你還要coding 那不是一個 現成的工具 那是一個經過你 它其實不是 一切實現 它是用了很多工具 去組合出這個結果 後來就發現 AI的力量 其實它 不只是透過AI 因為它還是有 很多傳統的東西 像 RSS RX-RID 一些資料分析的工具 都還是用不到 只是因為AI 可以幫我處理掉 以前很難做的事情 就是什麼叫做 新聞的相似性 這件事是以前很難做的 因為你以前只能 斷詞斷字 然後去找關鍵字 然後覺得這好像 同一則新聞 可是又不太準 可是AI對 因為我讀完整篇新聞 它就是 它就是很會讀 這種東西 然後它很容易判斷 它是同一則新聞 因為它就是 解決這個問題 因為就是講話 像人一樣說的這個問題 後來 我就開始反過來做 生產 這是什麼意思 因為Generative 其實大家都先想到 做出來 我先想的是消化 就是先把它 Domeralize 然後後來我就 因為自己剛剛 前面有講 我自己在寫Vogue 所以我現在其實 就會大量叫它 券出一些東西 尤其是 像寫一些 比如說 最近因為剛好出去玩 寫郵寄 然後就要寫 那個地點的介紹 其實它很容易 跟你一小段一小段 很好用的東西 因為對它來講 這就是最基本的東西 所以你真的是用滿多 因為我發現 身邊的一些朋友 除了一些 朋友他們會 可能很愛使用一些 像Mid Journey這種 就是一些圖文 他們覺得好厲害 以外其實我覺得 一般人如果他不會Coding 他不會自己寫程式 去做工具出來的話 他可能最AI現在的 用的東西 就可能Chart GPT 然後Mid Journey 然後就差不多了 其實好像不太會有 什麼其他的工具可以用 但剛剛我們前面 閒聊 就是說好像這個話題在 已經慢慢退燒 對 它好像變成 一個叫同好圈的 還在還是很熱 不過我還是覺得說 現在就是落入到一個就是說 就跟所有的產業一樣 它都會出現一個 叫Sprite圈 就電子業 所以GP他們在思考 他就是想要作為一個 很上游的東西 OK 就是人類的知識 你最根本的其實是 像人一樣說話這件事情 是一個 就語言的發生 是一個很根本的東西 所以現在無論是語言發生 繪畫的發生 現在很多這種 他想要做好那個叫 Foundation Model 所以大家講這叫 Foundation Model 然後真正的應用 老實講現在在Chart GPT上 大家還是覺得很難用 因為你要會下Prom 你要會跟他互動 你要會裝Program 他才會得到你要的結果 或者你發現Chart GPT 這樣子還是不是你要的 那你要會寫API 你要會用API 像我剛剛就用API去做這件事 然後才會得到你要的結果 這個都是 還是很有門檻 都是在這裡的的時候 可是大家都可以想像 那就會有新一代的SARS公司 把這些Tool 包裝成一般人 很容易接受的結果 就是他就你不需要 會Coding 你就可以去使用一個 你要的 你希望AI幫助你做什麼事情 那我認為現在已經在 這個基站時 我相信你們應該 就看到很多公司在整合 超多 所以OpenAI就會變成 或者是這些AI的 Pundation Model 到底那個是誰 他就會變成 他就是會是 跟自來水電話師一樣的 那種公司 會很可怕 所以標準Google Microsoft就一定要搶 那只是在這個之上 到底跌出來的真正 讓大家容易接受 可能日常都會習慣 去付費買使用的東西 可能還要一點時間 還要一點時間 好 那最後我們來討論一下 剛剛你提到說 你看就是零售件事情 也有經過很多轉變 那場景的遷移 也會改變人們消費 的這個習慣 那可能 之前我們可能會 是在實體店去消費 然後現在有了網路之後 大家需要在 線上消費 然後對於品牌來說 他可能需要做什麼 SCO啊 做很多東西 還要被人家找到 被Google搜尋到 那在AI的時代 我們可能這些品牌 可能是不是要去做什麼事情 會讓被Chart GPT找到 或是被誰找到 是另外一種被發現 被利用的方式 那你有沒有什麼建議 給這些品牌 他們可能要去 因應一個新的AI時代 他們有需要 去做什麼改變嗎 可能SCO 會被消費嗎 就是另外 就是等你從另外的角度來看 AI嘛 就是說 我們去用AI是一件事 那被AI利用 是一件事 那這是什麼意思 就是剛剛有提到 就是說 搜尋引擎 就是Google 它出來之後 然後大家發現說 哇 在Google商 找不到是很嚴重的事 所以就出現了一個 SCO 沒錯沒錯 領域的事情 那同樣的 現在可能 大家發現去問Chart GPT 然後就會發現說 那問國外的公司 好像都問得出來 他會介紹這個公司是什麼 問台灣的公司 他就會胡扯 他就要幻覺 但是我們自己 問我們自己 也是發現有問題 那 當然他有講 就是說 他的資料集 可能是在 2021年的 9月以前 之後他就不爬了 所以 大家就開始意識到一個題目 因為那AI可毒性 就是說 或者說 能不能被這個AI爬進去 訓練成他的知識員 變成是一件 可能會是一件 很重要的事情 那不過這件事情 現在 知道是個 可能會是個問題 但怎麼做 目前沒有任何人的公司 在公告說要怎麼做 所以 大家現在 這件事就還沒有 真實變成一個領域 這樣子 不過現在可以做什麼 現在就是說 為什麼 我們要去做一個 確診性的訓練 其實也是這個原因 那 比如說大家可能 可以去玩一下那個訓練 比如說 找餐廳 是誰 是誰做這個訓練 是 是開設 那 找飯店呢 大家可以想像 booking.com 那他們一定 他們就會去搶 因為我不作為這個訓練 那如果大家以後 都用這種AI的設計 問飯店的時候 他找不到怎麼找 這個是個新的入口 所以你要進去搶這個 然後現在 搜尋引擎都開始在做 改變嘛 像病 就改很快 你可以 不是用標準的 關鍵是搜尋 你可以跟他聊天 他去搜尋嘛 那當然Google 也announced他之後 會往這裡去 好 所以搜尋引擎 會變成像AI一樣 就是 協許 他就變成最終 變成新的Change BD 所以會有SEO 那也許會有一個東西 叫AIO之類的 AIO OK 之類的 也許他們就會announced 怎麼樣被讀進去 怎麼樣可以優化 這件事情 那也許就會有一些 新的 那個機會 我指的是類似這種服務 那怎麼去優化你的內容 我也進去給AI給你看 或者你可能 有要一些API 讓他去借進去 都可能會發生 所以在這個AI實在 還是會有一個 新的入口產生 然後要 能夠趕快去抓住他 才會被發現 其實說實在 我們的角色 都很難去抓住他 因為這個都是 大平台的生意 我們 所以才會談到說 第一個當然就是 經常去用他 因為他會是 一個新的工具 第二個就是說 開始去研究 怎麼被他用 因為他們都會Open 比如說 一旦有API 你要接進去 所以為什麼 我們一看到 那個TradeGrid有Programming 我們就趕快去申請 因為先接進去 以後這個遊戲規則 會怎麼玩 對 因為他會變成 新的入口 也許不一定是TradeGrid 也許會變Bin 也許會變Google 那這個入口 如果是他去搜尋 然後他會自動去找 哪個Programming 可以幫我解決這個問題 然後已經接好了 當然他就又先搜尋你 對 所以這個才是關鍵 我們應該沒有辦法 搶到那個入口 知道了解 好最後最後一題 假設這個之後 我常常被人家問到 然後我自己 才想要想到這個 這件事情就說 很多人問說 那現在AI這樣子對不對 那在台灣 台灣新創有什麼機會 在AI這個題目當中 是可以去發展的 假設你今天不是 給投資建議嗎 沒有 就是可以自己 因為畢竟你對這個題目 很有研究 然後你自己也是一個 就是在這個 TradeGrid打過你這麼久 對不對 可能會看到 如果我現在去做這個 一定會很有機會 我覺得如果講AI的題目 我把它分三層 第一層現在最常看到的就是 就是去用OpenAI 或者是用某些 其他公司的像 Microsoft Google的這些BARAI的API 在這個字上 去做個東西 這個是我剛剛講的 就很像過去大家在 AWSGCP上面 疊上去我做東西 我再也不用自己 從機房開始剪 同樣的大圓模型有人解決 我再也不用去搞這個了 我只要在這個字上 我就可以做出 很聰明的應用 一些應用 這是第一層 這是第一種 這種當然就是 相當競爭 很大一個比率 其實這些AI的 FoundationModern 就是你的供應商 你選擇供應商 有時候會決定 你的所有成敗 因為供應商 現在很不穩定 你也不知道 你最後留下來的 或者是誰 或誰會不會突然 有大躍進 那第二個就是 像我們在想的就是 產業AI 產業AI就是說 我不是真的去用 只是直接用 我們可能會加上 自己更多的data 而且我是去解決 特定產業問題 那我不完全是 依賴大圓模型 我們一直在看到 所有技術都是這樣子 就是一個新的技術 就永遠就會 除了大眾的 看得到的東西以外 一定會有特定產業應用 比如說醫療產業怎麼用 金融產業怎麼用 用法它會有一個 專注解決產物理由的事情 甚至Even連電動車 這種事情都一樣 因為大家講說 電動車好像就是 就是commercial的 這些車子吧 可是電動巴士 電動船 它就是一個solution的deliver 那就會有電動的解決方案 進到工業性的產業 它也是一條路這樣子 那同樣就AI這樣 這是我們在想辦法做這個 OK 那這個東西當然就是 你就可以 掌握比較多東西 而且你也要反過來 如果我做成功的 一個產業模型 我可不可以open API 我也讓更多的新創來使用 比如說 我們的就業的想像就是這樣 你也可以來使用就業的 AI推薦出來的東西 或者是 透過API去拿到的東西 去做你更進一步的動作 它有一層是 我覺得現在台灣叫做國家級 就是 現在有一個 所有國家隊 就是說我們要去認自己的 以繁中為基礎的大圓模型 就是它就是要突破 那個反對性馬桶 那也許它就不是新創 做得了的事情 那也不知道 因為 現在有人在做這個是不是 工業院在做這個 還是誰在做這個 就知道新聞有一個 國家隊 裡面有一些組合 我念不太出那些公司 但是大家都是 有頭有臉的公司 然後組了一個國家隊 也要推一個 台灣自己繁中為基礎的 反對性馬桶 那這個 我還是認為 還要值得嘗試 因為這個世界各國都覺得 我不可能百分之百靠一個 美國公司 在推的東西 大家都 想要有自己的 但這個我就說 這個叫國家級的戰爭 對啊 它需要的東西支援 可能就不一樣 那因為它其實 也許到最後不單純 只是反對性馬桶 因為大家就在討論說 GPT這樣算是有智慧 它只是在作文而已 是 但是現在你 有時候 做一些嘗試跟它互動的時候 你都會覺得 它其實是有邏輯的 對啊 所以這個真的就是 另外一個 就是說變成國家這件事情 你好像得要 有一些團隊 或者是有一些能量 你可以研發這件事情 所以這是 我認為是一個 更根本的一個 了解 所以有 對於一般人來說 可能就前兩個方向 是比較有可以去嘗試的 現在最多的清創 其實都是在 我剛剛講的第一層 就是說在既有的那個 但這個東西 沒有不好 因為它其實是最 進入門檻最低 然後你可以 只要你的體驗 或者你想的那個 切入的需求是正確的 它很容易就會切出 一個亮點 那可能 所有的創新都是這樣 就是早期你先做這個 你得到一個survive 你可以成長之後 你有可能題目 因為你有足夠的資源 你可以去更深入去做 第二層 或做更多事情 是 了解 但我覺得從投資到 可能大家還是會覺得 你有一個自己的 數據優勢 或是一個Domain 可能還是比較 可以走得比較長遠 好 今天非常開心 謝謝Happy的分享 感覺AI 這個東西是 Here to Stay 對不對 它不是一個hype 所以還是要多多的關注它 感謝大家今天的收聽 如果喜歡我們內容的話 請給予我們 五顆星好評並且訂閱 那 支持重來我們下次再見囉 掰掰 (音乐) 字幕:J Chong