GPT啟示篇-內容生產的變革與思考
GPT改變了人類知識的創造、繼承及應用,因此對于內容社區產品來說,GPT的出現會給它帶來什么變化?本文作者對此進行了分析,希望對你有幫助。
之前總結過:GPT改變了人類知識的創造、繼承及應用的模式,因此,主要的變革會體現在以上三個方面,而前置文章主要討論的學校教育變革,就是從知識繼承的角度出發。
那么,切換下維度,現在從知識創建的范疇入手,并以內容生產為基礎場景,提出新設想與落地場景應用。
同樣,本文還是從技術樂觀主義者出發,講述GPT對內容生產的變革影響,思考框架如下:
一、內容生產的變革概述
GPT+插件的應用個人認為是技術與業務場景高度結合的產品形態,通俗來講,就是可以通過配置具體場景提示語,結合GPT的大語言模型能力,完成各種結果的輸出。如:微軟copilot就是一個很好的例子。
那么,在內容生產方面,我們能有什么比較好的場景應用呢?
認為主要會體現在以下兩個方面:專業內容生產、用戶內容生產。
1. 專業內容生產變革
專業內容,特指各類研究、技術發展、社會發展、投資理財等層次較高的知識領域,在這領域包含了企業研究所、高校、政府單位、證券所等機構。
未來的專業內容變革體現在:以AI為主,可由人輔助完成。
根據一份文獻[1]表明GPT會重點在以下領域突破:工業設計、藥物研發、材料科學、數據合成。
1)工業設計
傳統的工業設計一般需要經過以下流程:提出設想->創建原型->補充細節->對原型測試及修正->產品投入量產,這條鏈路下來不可避免會形成大量的投入成本,并且會產生大量測試產品報廢的浪費問題。
假設GPT可以參與到專業內容的創造流程里面,那么從最理想狀態進行評估,工業流程設計的流程可簡化為:提出設想及優化調整提示方向->產品驗證及評估->產品投入量產這三個部分。
這其中最為經典的例子就是芯片設計,設計師需對晶片排布進行各種嘗試,有時會多達數十億種,這不可能從純人力層面進行設計,故GPT的應用從成本及效率上就可以盡可能的嘗試,這確實是一個值得關注的重點領域,并且現實也有相關企業已經在嘗試,如英偉達。
拓展閱讀: Khailany B.,“Accelerating Chip Design with Machine Learning”,Proceedings of the 2020 ACM/IEEE Workshop on Machine Learning for CAD,2020, pp.33-33.
2)藥物研發
藥物研發領域需要耗費大量的資金及時間,其中一個重點原因在于:藥物研發人員需要從海量備選的化合物尋找可供入藥的成分,其中化合物的結構本身并不為人知,現階段單純以試錯的方式推進驗證。
后續若引入GPT的生成能力,理想狀態來看,可以迅速識別到各種化學物的結構及成分,并且可以對現有的化學物進行重構及修改,從而加速藥物研發的速度。其中一個有名的現實例子就是:DeepMind的AlphaFold對蛋白質結構的預測,有興趣的同學可以自行查閱及閱讀。
閱讀拓展:Callaway E,“The Entire Protein Universe’: AI Predicts Shape of Nearly Every Known Protein”,Nature,2022,608(7921),pp.15-16
3)材料科學
材料科學和藥物研發同理,設計過程中存在反復試錯及驗證的過程,引入GPT的效率提升也是存在明顯的優勢,如德國馬普所鋼鐵研究所就與多個研究團隊合作,提出了一種新的基于機器學習的高熵合金設計方法。
閱讀拓展:Rao Z., et al.“Machine Learning–enabled High-Entropy Alloy Discovery”,Science,2022,378(6615),pp.78-85.
4)數據合成
另,還存在一個領域數據合成,這可能單獨作為一個通用領域來理解更為合適,因各行業存在需要高度匹配行業特征的數據訴求,而AI發展離不開數據,GPT單獨為每個行業提供高度適配行業特征的數據樣本,從而加速行業發展,這也是很有研究價值的領域。
2. 用戶內容生產變革
用戶內容,特指旅游推薦、營銷推薦、視頻文字創作、生活常識等用戶層面的生活領域,在這領域包含了人人都是產品經理、小紅書、知乎、bilibili等公共媒體及視頻平臺。
未來的用戶內容變革體現在:以人為主,可由AI輔助完成。
用戶內容知識體系較為發散,可能涉獵范圍很多,并且主觀層面上又因人而異,故若特定領域進行討論,可能不太容易開展。因此,個人認為從用戶內容創造的幾個關鍵節點出發更為合適。
1)內容審核
一般比較正規的公共媒體平臺,都會有內容審核的環節,包含政治敏感話題、黃毒賭非法內容、種族歧視等,現階段已經引入AI輔助的功能,即標簽、識別模型等AI能力來支撐審核人員的工作,但目前其最終內容的決策還是需要人力介入,比較耗費人力成本。
后續引入GPT,由AI替人類完成了決策化的任務,則能從根本上提升審核人員的效率及準度。
GPT場景應用示例-視頻審核
以上的設想原型基于GPT介入視頻審核節點,實時生成并標識視頻標簽(該標簽由GPT自動對視頻內容總結歸納出的標簽,非視頻播放提取出來的標簽),方便審核員定位視頻片段,并呈現AI審核的結果,其中該結果可以從更加通用及人性的維度進行審核并決策。與現有的視頻審核(人工規則+場景化設計)相比更為精準,這其實也是進一步解放生產力的應用。
2)數據及內容提供
GPT接入會大大縮短創造內容的時間,主要體現在數據或者素材的提供方面,現有內容創作其中最占據用戶創作的時間的就是尋找報告、制表、檢索材料等方面,有了GPT+聯網的能力,自然可以大幅減少這部分的時間,其實在現有市面產品中,已有相關平臺在投入運行了。
即時AI應用-素材創作(來自即時設計官網)
但個人應用起來功能層面還可以再提升,包含更加精準的識別用戶訴求及效果。
3)分析及創作方法
因創作者水平不一,很多時候用戶內容創作存在一定的誤導性及不準確性,這方面不能說是用戶層面的問題,而是整個用戶內容行業急需解決的問題,不能因噎廢食。
設想若接入GPT的能力,我們可以借助其系統化、專業化的指導意見,來豐富我們創作理念,從而輸出更為優質的用戶內容,這無疑是AIGC的一個有價值的點:讓創作者更加回歸創作目的及思考過程,從而輸出更為有深度有質量的內容,而這里面用戶需要做的就是prompt,即更為具體的反饋提示給到GPT。
二、后記及總結
總結:本文從GPT重構了知識創作的維度,基于五大思想派別之一的技術樂觀主義者出發,結合內容生產的兩大領域:專業內容生產及用戶內容生產,并指出主要變革體現在:
- 未來的專業內容變革體現在:以AI為主,可由人輔助完成
- 未來的用戶內容變革體現在:以人為主,可由AI輔助完成
并借此展望及討論了一部分場景的應用可行性。
另,值得一提的是,關于內容創作的討論,并未包含藝術創作這方面,理由主要是:
藝術創作,包含文學、美術、音樂等方面的內容創作,個人認為可以劃分為專業內容范疇,同時又包含在用戶內容范疇,這其中還衍生出AI是否具備像人一樣對藝術進行理解的能力。
這方面的延展就包含了未來通用AI是否具備主觀意識的大命題,因此認為不適合在內容生成的范疇這一小命題中討論。
感謝閱讀,如有不足及偏差,也請幫忙指正,謝謝!
參考文獻
[1]陳永偉.超越ChatGPT:生成式AI的機遇、風險與挑戰. 山東大學學報(哲學社會科學版)
拓展閱讀
本文由 @SiegZhong 原創發布于人人都是產品經理,未經許可,禁止轉載
題圖來自 Unsplash,基于 CC0 協議
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。
- 目前還沒評論,等你發揮!