我們自身都難以捉摸的心靈活動,人工智慧又能突破嗎?
我們自身都難以捉摸的心靈活動,人工智慧又能突破嗎?
2016.08.20 | 科技

人工智慧有可能取代藝術家的工作嗎?或許可以從另一種樂觀角度看待:照相術的發明,使傳統的寫實畫家失業了,卻將各種非寫實的藝術風格帶給了世界。

人工智慧開始創作了。但當我們深一層檢視人類對「美」的感受機制,或許可以一窺人工智慧在藝術創作上的優勢與局限。

某方面來說,美學來自對現實一定程度的偏移與再現,但又維持著和既有秩序的連結。舉例而言,「巟磯醭N㙍䍱邐䬷」這句子出自一個隨機中文碼產生器,而「午餐來吃拉麵吧!」則是一個簡單的祈使句。不管前者後者,人們都很難從他們身上發現美感。

不過,像這句:「異邦晚來的搗衣緊追著我的身影*」則似乎有點不同了──它維持常見的語式,卻出乎讀者意料將「異邦」、「搗衣」和「緊追」並置,表達急切的心理張力,也打開了基於現實場景的想像空間。

視覺藝術的例子也是如此,一個完全亂數生成的點陣圖檔,和我們拿手機拍攝的辦公室天花板,都較難被稱為藝術作品,而Google人工智慧以一張日常照片,混和蒙太奇拼貼風格,加上部分亂數演算法產製的畫作,卻賣了8千美元。藉由龐大的美學風格資料庫(如文學經典)、人類日常感知的基模(從日常瑣碎談話和照片取得),人工智慧對藝術形式突破的要求和拿捏上,似乎占據某種優勢。

台灣現代詩人夏宇也曾有過類似實驗。她的詩集《摩擦.無以名狀》,就是將前一本作品集《腹語術》的句子剪碎,重新拼湊,而生成新的意義。若我們將她的文本《腹語術》視為資料庫,將剪碎拼貼的行為視為隨機演算法,再將她拼貼字句時的斟酌,視為類神經學習網路,這整個過程,便會十分接近人工智慧的創作行為。

圖說明

圖說:夏宇詩集《摩擦.無以名狀》

雖然在形式與風格上,人工智慧可能帶來意想不到的突破,但在一些更深層的人類經驗上,卻有著絕對的障礙:真正的藝術創作有賴形式與生命經驗的整合,而後者,往往連我們自身都難以捉摸。

例如,人工智慧在是否可能提出日本小說家太宰治「身而為人,我很抱歉」此等對這美好人世的荒謬傾訴?梵谷畫作《吃馬鈴薯的農人》裡沉澱的憂鬱色調,是來自筆觸、顏色對比、人體解剖學的整合,而暗部的綠與褐,其實正是十九世紀末荷蘭鄉間田土的顏色……這些作品背後的文化有機構成,也不是人工智慧能夠模仿與理解的。

就如《星新一賞》的例子所揭示:目前的人工智慧可以操作命題作文,卻很難合成出創作源頭的生命經驗,和支持這些經驗的幽微情感。但也因此,人工智慧藝術或許能加速人類藝術史進程──就像照相術取代十九世紀人像畫家,它將開始迅速淘汰一批不具原創性的作品,並驅策創作者思考下一階段藝術形式的表現可能。而真正的創作者永遠是超越的,他們能看見並指出尚不存在之物,並給予命名。

這些事物,並不存在Google全球伺服器任一個位元組內。它存在於一個尚未到來的世界。

這些人工智慧關鍵詞正在改變我們的未來

圖靈測試

由「電腦之父」圖靈(Alan Mathison Turing)提出,用來判斷機器是否能夠「思考」的測驗。讓一個人(C)詢問兩個他不能看見的兩個對象(分別為正常思維的人B、以及機器A)任意一串問題。經過數次詢問後,若C仍然無法判定、分辨A與B的不同,則機器A通過圖靈測試。首次通過圖靈測試的電腦出現在2014年雷丁大學,此電腦在圖靈測試中,被測試者判定為一個13歲男孩。

類神經網路

受生物的神經網絡功能運作啟發,類神經網絡(ANN)是一種模仿生物腦部的數學模型和運算結構。藉由大量的人工神經元聯結進行計算。類神經網絡能在外界信息的基礎上改變內部結構,利用統計學(而非計算機基礎的邏輯演算)的方法,來獲得簡單的推理與決斷能力。

AI專家系統

專家系統是結合了知識庫與推理機的人工智慧系統,能夠模擬由各領域專家才能解決的複雜問題,包括軍事模擬、醫療、教學等,可說是近代由人工智慧開始取代人類勞動的開端。

(資料來源:MBA智庫.維基百科)

延伸閱讀:電腦可以演算未來 但能判斷情感的重要性嗎?
當AI開始有了感性 創作DNA,藝術演算法的創作與 勝利,會是永恆嗎?

本文出自:@@BOOKID:126838@@

代表圖來自:《A.I.人工智慧》劇照

關鍵字: #人工智慧
往下滑看下一篇文章
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率

在 AI 快速進入企業營運核心的時代,數據不再只是被動的分析素材,而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據,例如會員資料、交易紀錄以及線上與線下行為數據,但因這些數據分散於不同系統,缺乏統一的身分識別機制以及明確的元數據(Metadata)定義,導致難以整合與分析,同時,也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰,Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務,如 Audience Center 與 AI Agent 等解決方案,並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程,從資料清理到 AI-Ready 再到落地應用,讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化,大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎,以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設?

Vpon 威朋數據科學經理廖宜楷指出,在 AI 驅動的時代,數據的品質決定模型價值。其中四個關鍵分別是:建構標準化的數據採集與處理管線,透過統一的工程規範,確保所有進入系統的數據在格式、維度與質量上具備高度一致性;其次是定義語義清晰的元數據(Metadata)體系,確保數據能夠被 AI 理解與使用,從而產出具備可靠性的產出結果;再來是打破企業內部的「數據孤島」, 透過完整整合線上(Web/App)行為與線下(POS/CRM)會員資訊,建構全方位的會員數據輪廓,精準捕捉消費者的跨通路行為軌跡。最後,數據的價值隨時間遞減,AI 的決策品質取決於數據的「新鮮度」,因此,數據的持續更新與自動化維護,不僅能讓企業在動態市場中保持敏銳,還可進一步深化會員輪廓分析的即時性。

舉例來說,在 Vpon 團隊的協助下,台灣百貨零售龍頭透過整合 Web 與 App 行為資料,並將線上與線下數據集中於數據中台進行分析,將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應,並基於此高效率基礎,進一步開發不同業務主題的預測與分群模型,提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實:Audience Center 如何賦能企業實現「數據即戰力」?

有了堅實的數據底座後,下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出,在變化快速的零售與數位行銷市場中,速度就是競爭力。然而,仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去,當行銷或業務人員需要數據支持時,通常得花費繁複的內部流程申請需求、討論需求,才會進到後續的資料清理、建模與分析,最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程,不僅拖慢了決策效率,更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程,將數據處理轉化為數據服務,透過直覺的介面與背後扎實的數據基礎支撐,讓非技術人員不用編寫程式碼,即可自行組合維度,大幅縮短從需求到執行的距離,將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入,不僅有助於提升效率,更賦予企業快速試錯與精準捕獲趨勢的能力,讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

#1 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學經理 廖宜楷
圖/ 數位時代

以 AI Agent 重塑數據使用方式,讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度,更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示,在數位轉型的過程中,許多企業面臨的挑戰不僅是數據整合,更包括如何讓不同部門的人員都能更即時協作與應用數據,有鑑於此,Vpon 推出四種 AI Agent 協助企業分析與應用數據,極大化第三方數據成效:

第一,以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表,即時掌握市場動態,加速決策下達與決策品質。

第二,透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限,可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三,藉由 Audience Agent 將客戶分群方式從規則導向(Rule-based)轉變為關聯導向,以關聯分析擴大受眾範圍,協助品牌找出更多潛在客群。

第四,推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因,釐清受眾喜歡的素材跟不喜歡的素材,藉此優化廣告投放內容,持續提升轉換率。

陳文謙表示:「透過 AI Agent 的輔助,品牌不僅能更快完成數據分析,也能將分析結果直接轉化為行銷策略與創意建議,降低跨部門溝通成本,讓數據真正參與決策流程。」

#2 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學資深總監 陳文謙
圖/ 數位時代

鏈結數據生態夥伴,以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率,Vpon 也持續拓展數據生態圈,協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示,跨境行銷過去多仰賴經驗與市場直覺,但透過數據整合與 AI 分析,品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明,透過雙方的獨家合作,企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源,深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型,以及不同客群的價格敏感度與回購行為等,將行銷決策從過往的經驗判斷轉變為精準的數據洞察,成為品牌出海的重要工具。

簡言之,對零售品牌而言,跨境數據是理解海外旅客真實樣貌的一大利器,也能進一步優化廣告投放、內容策略與商品布局,讓品牌在拓展國際市場時,可以更有效率地接觸潛在客群,放大行銷效益。

#3 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋產品行銷資深經理 邱心儒
圖/ 數位時代

展望未來,Vpon 將持續擴展數據生態圈並優化產品服務,幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環,希望以數據夥伴的角色與品牌共同成長,打造互利共贏的數據生態。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
AI全球100+台灣20
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓