當寫作機器人比記者更會寫
當寫作機器人比記者更會寫

IP熱潮是近幾年全球影視劇產業的流行趨勢,從成就多個當紅小鮮肉的《古劍奇譚》到現在圈粉無數的《三生三世,十里桃花》,由遊戲或者小說改編的影視劇雖飽受原著黨的詬病,可依然阻擋不住網路點擊量和關注度的節節攀高。愈有爭議愈火,愈有罵聲愈強,成了當下娛樂生活的一種特有現象。

不過,當套路不斷的網路文學及其衍生的情節雷同的影視劇逐漸產生一種審美疲勞,屆時又會誕生何種主流娛樂呢?而這些所謂的IP文化是否會成為人工智慧取代人力的一個目標呢?畢竟人工智慧寫小說已經不是什麼新鮮事,雖說不像AlphaGo狂虐圍棋高手那樣高調,可人工智慧陸續登入新聞報業已經說明這一趨勢勢不可擋。未來你或許真的分不清哪些文章出自人類,哪些小說出自人工智慧。

人工智慧對勞動力的威脅以及對產業的重塑一直是輿論關注的焦點,但毋庸置疑的是,這個過程絕非一蹴而就。透過Joe Keohan對寫作機器人預示著新聞界怎樣未來一題的思考,可以窺探人工智慧對一個傳統產業的影響。Joe Keohan曾在紐約時報、華盛頓郵報、波士頓雜誌等報業擔任編輯,並任Thrillist的特色編輯,獲得過波士頓雜誌「美國城市和地區雜誌」獎,在業內頗具盛名。

寫作機器人讓暮氣沉沉的新聞界有了想像力

去年11月份愛荷華州舉行第四次國會選區選舉,當共和黨人Steve King擊敗民主黨競爭者Kim Weaver時,華盛頓郵報迅速報導了競選結果,內容涉及獲勝一方和往後的選舉趨勢。文章這樣寫道:共和黨派繼續保持控制權,在絕對優勢情況下只喪失了一小部分席位。

這份急報一貫符合了早報記者邏輯清晰和靈活自如的文筆特徵。不過現在有了一個最關鍵的不同:這篇文章出自Heliograf之手,一個去年首次亮相於華盛頓郵報官方網站的機器人,被譽為目前新聞界最負有經驗的人工智慧。

自從貝佐斯在2013年收購了華盛頓郵報以後,以人工智慧為寫作動力而製作刊物就獲得初步發展。除此之外,一些擁有自動化內容產出系統的公司,比如Narrative Science和Automated Insights,已經有能力對大量數據進行分析進而寫出簡單的新聞,就像體育運動迷和證券分析師所熟悉的那類文章。

但是華盛頓郵報的戰略分析師看到了人工智慧系統的另一種潛力,認為它們可以寫出解釋性的、更有洞察力的文章。甚至,Jeremy Gilbert還希望系統能夠培養一種人類和機器之間無縫配合的相互作用機制,Gilbert於2014年以戰略行動總監的身份進入華盛頓郵報。他曾說,我們最感興趣的是看到未來幾年人工智慧能否自動編造故事。

經過幾個月的研究,Heliograf於去年首次公之於眾。最早的版本被用來在里約奧運會上參與新聞撰寫和報導,隨後擁有更為強勁編譯能力的升級版很快被引進,用來報導這次選舉的情況。

它的具體工作流程是:員工為這些事件創造出敘述性模本,包括解釋各種各樣潛在結果的關鍵詞(比如共和黨繼續「保留控制權」或者民主黨「重奪掌控權」),然後將Heliograf連接到結構化數據。由於此次報導的是選舉,所以數據來自選舉投票記錄網站 VoteSmart.org.。隨後Heliograf透過識別相關數據,找到模板中與之相匹配的關鍵詞進行融合,最後根據不同的發布平台寫出不同版本的文字。

這個程式也可以透過Slack提醒記者它從數據中發現的異常現象,比如,他們可以調查高於預測數目的利潤情況,Gilbert認為這是獲得獨家新聞的一種技巧。除此之外,人工智慧還是「打假」好手。

早在2012年年末,《華盛頓郵報》就啟動了名為「truth teller(吐真者)」的實時新聞核查專案。它能全程記錄新聞報導中的文字、語音等信息,隨後與「打假」數據庫進行對比,一旦發現異常便會發出警報。在2013年的美國眾議院的辯論環節,它就發揮了重要作用。當時Kevin McCarthy聲稱給富人加稅將會損失70萬工作職位,而在此之前這一論調其實不知真偽,但卻被政客們多次使用。華盛頓郵報便利用「truth teller」立刻在數據庫中檢索到該報上Glenn Kessler的反駁文章。

總之,自動寫作機器人其實帶給新聞界更多的想像力。

人工智慧可以解放新聞記者繁瑣的勞動力

華盛頓郵報研發人工智慧項目的主要目的其實是雙重的。

第一,增加閱讀量。取代小部分人工寫作面向大量受眾群體的模式,Heliograf可以針對很多小眾讀者進行大量的自動化寫作,比如本地特色或者某些細分商業項目等主題。就像這次愛荷華州第四次選舉,雖然有部分讀者,但這種報導的閱讀量並不高,這說明當地新聞正掙扎著尋求出路,或許華盛頓郵報這種模式可以帶來改變。

考慮到應用效果的反饋,相比2012年11月,人工智慧代替四個員工進行了25個小時的編輯工作,有關選舉結果的一小部分內容還需要人力動手解決。而在2016年11月,Heliograf在基本沒有人員干涉的情況下創造了超過500篇文章,關鍵是還帶動了超過500,000次點擊量(只有月初時有了短暫的下降)。

Gilbert表示,華盛頓郵報的下一步就是利用最新的Heliograf使機器製造和人工寫作的文章同時保持成長趨勢。

華盛頓郵報的資訊長和副總裁Shailesh Prakash曾說過,這就是貝佐斯的應有盡有商店的概念。但是這種成長只存在於你迫切需要機器幫助的時候,比如一個公司沒能力僱傭這麼多人力,否則就會破產。 Prakash 和Gilbert都曾重點強調了,自動寫作機器人並不是為弱化記者作用而存在。這就涉及到Heliograf的第二個應用目的:使新聞編輯更加有效率。

據悉,Automated Insights公司開發的軟體 WordSmith,只要導入最新的數據,1分鐘最快可以生成 2,000篇報導。而美聯社每個季度約要撰寫的300篇業績報導,使用自動化技術在同樣的時間內就可以生成4,400篇業績短稿,所用時間比人工寫縮短90%以上。

更為重要的是,透過取代類似持續性投票新聞和實時選舉結果這樣的苦差事,Heliograf將記者從他們不得不集中精神跟進的新聞中解放出來,從而投入真正需要人力思考的工作中。 Gilbert認為,如果我們派遣像Dan Balz這樣的專欄作家去寫一個只需模板就能填充內容的文章,那就是一種犯罪,也是在浪費他的時間。

對人工智慧,華盛頓郵報的態度依然保持樂觀,但是華盛頓巴爾的摩新聞協會在《華盛頓郵報》分部的聯席主席Fredrick Kunkle表示,我們理應警惕這些技術會不會取代人類,不過目前來說它看起來只能接管一些簡單且枯燥乏味的工作。

寫作機器人取代記者為時過早,但這是潮流走向

警惕人工智慧對記者的衝擊其實有理可據,畢竟它對新聞界的作用不會僅僅停留在創造簡單文章上。舉個例子來講,如果有人在星期四分享了一篇星期二的文章,與此同時文章描述的事情發生了變化,Heliograf將會自動更新事件進展。

**Gilbert還深入研究了人工智慧在重組文章方面的潛力,假如蒐集信息的記者所寫的報導內容離散、結構混亂,分不清事件描述和結果分析,這時就可以讓人工智慧發揮聚合功能。**除此之外,Prakash還認為Heliograf可以超越僅作為枯燥乏味的體力勞動代替者,未來它肯定可以做一些更深入的工作,比如搜尋網頁了解人們在討論什麼,檢查郵報是否及時更新了最新事件,如果沒有提醒編輯或者直接自動生成一篇文章。也就是說這些工作都極有可能會在短時間內由人工智慧來完成。

同時,據瑞典學者的一項研究顯示,大多數讀者無法分辨自動寫作軟體和記者撰寫的某些報導,換句話說即使記者撰寫的文章品質略高於人工智慧,讀者因為無法區分,記者的部分價值也就不會顯現,這就會變相地削弱其作用。而且有軟體公司負責人預測,在5年之內機器人所撰寫的文章就能獲得普立茲新聞獎,並稱將來90%新聞稿由機器人撰寫,這對新聞工作者甚至是普通的撰稿人來說無疑是不利的。

但是,潮流走向並不會顧慮犧牲者的利益,當新聞編輯部不斷爭搶日益減少的資源,考慮一個人工智慧愈加發揮重要作用的新聞界未來,不是一件壞事。尤其是對華盛頓郵報和其他主流新聞機構來講,它們都希望獲得新的收益途徑,據報導華盛頓郵報正在商討將內容管理系統授予潛在客戶,比如Tronc(一個擁有芝加哥論壇報、洛杉磯時報的論壇出版集團)和幾十個地區報業。

**不過說機器人搶記者飯碗還為時過早,甚至有些杞人憂天。**畢竟新聞或者小說屬於具有極強感情色彩的文學作品,如果未來真的完全充斥著人工智慧創造的文章,只能說明,要麽時代已經發展到強人工智慧階段,一個演算法可以在短時間內產生既符合人類情感宣洩又具有深度意義的文學作品,要麽就是社會已經淪為冷冰冰的機器時代,人類不需要人文關懷的精神食糧。

只是前者過分遙遠,屆時恐怕我們生存的形式都會發生翻天覆地的改變,文化作品又豈會停留在現在的發展水平上?而後者只可能說明我們的社會發展方向已經跑偏了。

本文授權轉載自:鈦媒體

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 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