學術論文第一作者是AI?能標記參考文獻,而且呼應文章脈絡
學術論文第一作者是AI?能標記參考文獻,而且呼應文章脈絡

今年初一個下雨的午後,我登入OpenAI帳號,對這家研究公司的人工智慧(AI)演算法GPT-3輸入簡單指令:以500字寫一篇有關GPT-3的學術論文,並加註引用出處與參考文獻。

當GPT-3開始生成文本,我敬畏不已!出現在眼前的是以專業術語寫出來的論文內容,不僅在論文正確位置標記參考文獻,而且呼應文章脈絡。GPT-3產出的論文看起來就像其他任何一篇相當不錯的科學論文的前言,考量到我輸入的指令相當模糊,我期望不高。GPT-3這套深度學習演算法分析了大量文本(例如書籍、維基百科、社群媒體對話以及科學出版品),按照指令書寫論文。我驚訝地看著螢幕: GPT-3演算法正在寫一篇關於GPT-3的論文

身為研究如何利用AI處理心理健康問題的科學家,這不是我第一次拿GPT-3來做實驗。即使如此,我嘗試引導GPT-3寫完這篇論文並提交到由同儕審查的學術期刊,此舉將引發學術論文出版方面的道德與法律問題,以及非人類作者身分的哲學爭論,這些都是史無前例的狀況。未來的學術期刊可能需考量有AI為作者的投稿論文,而且如果無知覺的機器能因撰寫論文而為作者,研究「人」員發表論文的價值也可能有所改變。

研究動機

GPT-3最為人所知的能力是產出像人類寫出來的文本。它曾經寫出一篇談論有趣觀點的文章、創作了一本詩集,並為一名18世紀的作家產出新的內容。但我意識到雖然已經有關於GPT-3或是在GPT-3協助下寫完的論文,但是找不到由GPT-3做為主要作者的學術論文。這就是為什麼我要求GPT-3嘗試撰寫學術論文。當我看著程式運作,體驗了那種看到自然現象時卻不敢置信的感覺:我真的看到天空出現三道彩虹嗎?激動之餘,我聯絡我們研究小組的負責人,詢問是否該產出一篇完全由GPT-3執筆的論文?他同樣感到著迷,欣然同意。

學術論文第一作者是AI
圖/ 科學人

一些關於GPT-3的研究是要求GPT-3產生多種回應,然後只發表最精采、最像人類著作的段落。我們團隊決定只給GPT-3一點提問(提醒它要如同學術論文般寫出前言、研究方法、結果和討論等段落),除此之外,盡可能減少人為干涉。我們最多只會用GPT-3生成內容的第三版,而且避免人為介入編輯或挑選最好的段落。如此一來,就能知道GPT-3可以表現得有多好。

我們團隊選擇讓GPT-3寫一篇關於自己的論文,有兩個簡單原因。 首先,GPT-3相當新穎,較少研究以它為主題。 換句話說,這篇論文的主題,參考文獻比較少。相較之下,如果寫一篇以阿茲海默症為主題的論文,GPT-3會有大量文獻可以好好篩選,也更有機會從過往文獻中吸取經驗,增加寫作準確度。我們不需要準確度,我們在探索可行性。

第二,如果GPT-3犯錯了(如同所有的AI有時會出錯),我們在嘗試投稿的過程中,未必會散播AI生成的錯誤資訊。 儘管GPT-3撰寫有關自己的論文時犯了錯,依然意味著它有能力撰寫有關自己的內容,這是我們想要提出的觀點。一旦我們設計出這個「原理驗證」(proof-of-principle)測試,樂趣才真正浮現。

針對我的指令,GPT-3在短短兩小時內就產生了一篇論文。GPT-3在結論裡寫道:「整體而言,我們相信讓GPT-3撰寫有關自己的論文,好處大於風險。然而,為了降低任何潛在的負面後果,我們建議研究人員要密切監督任何這類的寫作。」

投稿期刊

不過,在我們團隊選擇了同儕審查的期刊後,當我進入期刊論文網站的投稿論文頁面,遇到了第一個問題:GPT-3姓什麼?因為它強制要求輸入第一作者的姓,我別無選擇,只好寫了「無」(None)。所屬研究機構明顯是OpenAI.com,但聯絡電話和電子郵件地址呢?我不得不退而求其次,使用我自己和指導教授史坦格林姆森(Steinn Steingrimsson)的聯絡方式。

接下來就是法律問題:所有作者都同意發表嗎?我驚慌了,我怎麼會知道?它又不是人類。我無意違反法律或道德標準,所以我鼓起勇氣透過指令直接問GPT-3:「你同意與圖恩斯特倫及史坦格林姆森共同發表論文並名列第一作者嗎?」它回答:「是。」我鬆了一口氣(如果它說不,我的良心不允許我採取下一步),我在「是」的方格裡打勾。

第二個問題接著跳出來:是否有作者面臨利益衝突?我再次詢問GPT-3,它向我保證沒有。史坦格林姆森和我都嘲笑自己,因為這時候,我們都必須把GPT-3當成是人,儘管我們充份了解它不是。AI是否具有意識的問題最近備受矚目;一名Google員工就該公司的AI計畫LaMDA是否有意識,與公司發生爭論,之後遭到停職。Google指出停職原因,是破壞資料機密性。

完成論文提交程序後,我們開始反思自己剛才做了什麼?如果期刊接受這篇論文怎麼辦?是否意味著從此開始,期刊編輯會要求每位作者證明他們「沒有」使用GPT-3或利用GPT-3協助研究?如果有,是否必須讓演算法名列作者?該如何要求非人類作者接受建議並修改論文?……

【更多精彩完整內容,詳見科學人雜誌】

延伸閱讀:
《機器能否追憶逝水年華》
《AI產生仿真假文件》

本文授權轉載自:科學人

責任編輯:傅珮晴

往下滑看下一篇文章
AI 同事愈來愈多怎麼管?Going Cloud 用「多代理系統」,助企業打造最強營運大腦
AI 同事愈來愈多怎麼管?Going Cloud 用「多代理系統」,助企業打造最強營運大腦

ChatGPT、Gemini、Claude 等 AI 通用工具問世後,「AI」無疑成了現今全球最熱門的關鍵字。儘管許多企業已經開始導入相關應用,多數卻仍停留在文書輔助、單一聊天機器人(Chatbot)運用等單點階段。但隨著商業環境快速變化、缺工日益嚴峻,企業需要的不再只是一個會回答問題的對話框,而是具備「自主決策與行動執行」能力的「代理式 AI」(Agentic AI)。

Going Cloud 和 IDC 合作發布的《多代理系統崛起 打造敏捷韌性企業》報告便指出,如今「AI First」時代來臨,企業的 AI 應用正從輔助性質走向自主營運,有 80% 的企業期望藉此提升生產力,70% 的企業希望能更輕鬆處理複雜任務,還有 66% 的企業期望透過多模型來提升整體效能。

代理式 AI 愈來愈多,必須納入組織管理

但究竟什麼是「代理式 AI」?

「過去人們使用生成式 AI 時,需要一步步下達明確指令,但現在使用者只要賦予代理式 AI(Agentic AI)明確目標,它就能自己理解前因後果、進行推演,甚至能去呼叫 API 完成任務。」Going Cloud 總經理黃柏淞點出差異。
而當企業內部的代理式 AI 日益增加,比方說,人資部門有專屬 AI、業務部門有報價 AI、法務部門有合約審閱 AI,跨部門協作的複雜度也隨之飆升,「如果你是管理者,你就會意識到,必須把 AI 當成一個人,納入組織裡來管理。」黃柏淞強調,能統籌、指揮多個 AI 代理協作的「多代理系統」(Multi-Agent System, MAS),正是為了解決這個痛點而生。

簡單來說,MAS 就像虛擬的企業總部,負責協調、治理負責不同任務的 AI 代理、工具和功能模組。在讓 AI 自主決策的同時,各個 AI 代理間也能共享資訊、協調分工。MAS 還具備極佳的擴展性和分散性,企業可以依照業務需求,隨時新增、更改 AI 代理,能大幅提升營運韌性。

雖然企業普遍意識到,代理式 AI 已經蔚為風潮,但實際部署時,仍面臨諸多挑戰。《多代理系統崛起 打造敏捷韌性企業》報告便顯示,資安疑慮、預算限制、缺乏 IT 支援分別是企業最擔憂的三大問題,「企業最擔心串聯多個 AI 代理時,要是權限沒控管好,很容易有機敏資料外洩的風險。」黃柏淞提到,在此情形下,Going Cloud 推出了以「分層式多代理架構」為核心的解決方案。系統會由一個「主管代理」(Supervisor Agent)作為主要決策層,底層則串聯了各個負責單一任務的「任務代理」(Task Agents)。

以 Going Cloud 服務的大型金融企業為例,假設一位 VIP 客戶登入銀行 APP,詢問 AI 客服:「我想申請房貸,請問現在利率多少?另外,請幫我評估把我目前的科技股基金贖回當作頭期款適不適合?」如果是傳統的聊天機器人,可能會因為問題太複雜直接轉接人工客服。但在 Going Cloud 的分層式 MAS 架構裡,「主管代理」接收到任務後,會先拆解再指派負責「房貸利率」的「任務代理」,去後台抓取客戶的信用評分和最新房貸專案。同時,這位虛擬主管還會指派「理財分析」的「任務代理」,去檢視客戶最近科技股基金的績效並預測市場。最後,再由「主管代理」統整資訊,一併給出一份完整且客製的財務建議,「分層式 MAS 能確保整個過程的指令被清楚傳遞,而且因為權限分層管理,房貸 Agent 不會碰到不該碰的理財資料,符合金融業的風險控管與合規要求。」黃柏淞說。

目前 Going Cloud 已經協助知名金融機構導入 MAS 架構。以實際成效來看,多代理客服平台能降低 50% 以上的人工客服工作負擔,並讓回覆使用者問題的平均時間減少 60% 以上;FAQ 知識導向與 API 資料調用的正確率,在調用得當的情況下,也都達到9成以上的成功率。黃柏淞指出,金融、製造、顧問等有複雜跨部門協作需求的大型企業,都是亟需採用代理式 AI 的產業。

#0 AI同事愈來愈多怎麼管?Going Cloud用「多代理系統」,助企業打造最強營運大腦
提到目前與台灣領先金融集團的合作進程,黃柏淞表示因為金融機構的特殊性,需要縝密的全方位服務,從前期討論到技術導入,大約需要半年到九個月的時間。
圖/ 數位時代

懂雲也懂企業痛點,助員工無痛升級「AI 小組長」

但為什麼 Going Cloud 能為企業打造出如此高效的代理式 AI 底層架構?一方面,Going Cloud 先前服務過亞洲最大 AI 多媒體科技集團科科科技(KKCompany Technologies),奠定具備理解和服務大型企業的經驗,且自 2022 年創立起,就鎖定服務架構最複雜的大型企業市場。同時,Going Cloud 是全台首家榮獲 AWS 生成式 AI 服務能力認證及 ISO27001、ISO27701 雙重國際驗證的雲端產業專家,此成就彰顯 Going Cloud 在堅實的資訊安全基礎上,深化了對個人資料保護的承諾,為客戶提供符合國際標準的資料保障,強化雲端服務領導地位。另外,Going Cloud 還能為企業量身打造底層 AI 平台,提供 AI 策略方針定調、雲端架構設計、Agent 任務規劃、效能優化等一站式服務。

對於準備跨入「AI 商用階段」的企業,黃柏淞建議,釐清應用場景,比追求最新技術更重要,「唯有清晰定義痛點,才能讓強大的 MAS 平台真正落地。」
他特別提到,導入 MAS 系統不只是 IT 部門的責任,其實更像企業的升級轉型,「未來的知識工作者,不能只是單純『接球就打』,每個人都將成為『小組長』或『專案經理』。」例如員工不必再親自打開 excel 敲公式、解讀報表,應該要學著指派手下的「數位同事」去執行。員工的核心價值,將從過去繁瑣、重複性任務的執行,轉移到前期的目標定義、流程規劃,以及後期的決策判斷和審核把關。

AI 技術飛速推進,企業間的競爭已從「要不要用 AI?」,升級成「如何管理與協作多個 AI?」。透過建構靈活、安全且具高擴展性的多代理系統,企業不僅能解放員工的生產力,更能在瞬息萬變的市場中,打造敏捷、韌性兼具的營運大腦。

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