【專欄】ChatGPT可騙倒教授?AI直逼人類大腦,純數位內容死期將近?
【專欄】ChatGPT可騙倒教授?AI直逼人類大腦,純數位內容死期將近?

在心底感謝你在 2022 年以前玩過的遊戲,看過的電影,閱讀過的文章,和蒐藏過的藝術吧。
純數位內容的最後狂歡已經結束。

可騙倒教授!AI會畫能寫,背後透露哪些關鍵?

過去曾受邀到某國立大學給 EMBA 上讀書會,內容是未來,2小時的討論包括了我從 2014年到奇點大學、2017年投入區塊鏈,到最近的 Midjourney 等新科技,結束前一時興起,直接打開了講桌電腦登入ChatGPT ——最近被洗版的 OpenAI 聊天服務——它的油滑、機智與無所不知,震懾全場。

ChatGPT
ChatGPT是由OpenAI開發的自然語言處理(NLP)模型,寫code、寫論文都難不倒。
圖/ shutterstock

不只自己把玩嚇到自己,也嚇到在場的 EMBA 各界菁英,接著回家又在臉書上接連看到台灣首位登上 NFT 藝術最高殿堂之一 ArtBlocks 的王新仁分享,他正透過ChatGPT進行各種詠唱(透過與 AI 溝通獲得結果)得到回答與指示,發現 AI 已能夠指導他進行演算藝術的創作,開出一朵又一朵的程式碼小花;也看到另一名演算法藝術知名創作者吳哲宇,利用 ChatGPT 嘗試助寫策展論述,他感到滿意、我感到恐懼。雖然如此,但還是繼續花了些時間多把玩幾下,心得就是:純數位內容已死,最後的狂歡已經結束。

我預言,往後的人文藝術與數位內容將再純不了,也 fine 不下去,往後的創作將要緊跟著「人」,我們將會開始鑽研歌唱、舞蹈、新的肢體躍動、新的體位交疊、新的料理食材, 所有機器能夠讀取,感應,組裝的一切內容,都將難再創造新價值 ,馬克吐溫曾經說過:「世上再沒有全新的梗(There is no such thing as a new idea.)」畢卡索、賈伯斯又說「傑出的藝術家模仿,偉大的藝術家盜竊(Good artists copy, great artists steal.)」而以這時帶來說, AI 就是最會偷的藝術家、內容雅賊、藝文大盜。若你質疑 AI 不是偷,而是創,那麼已死的,又將死得更透。

或許這也沒什麼,就如同這時代再難有更偉大的古典音樂、更被傳頌的希臘歌劇或是超越書聖的墨寶,屬於我們這個時代數位油墨即將寫盡,恭喜 2022 年以前的創作者,你們收攬了最後一袋黃金。(而你又如何能知道上面這段文章不是由 AI 寫成?)

認識我的讀者朋友可能會發現,明明我可能算是台灣最早開始提倡指數科技、AI 加速降臨者之一,為何從 Midjourney 到 Stable Diffusion 一系列的人工智慧繪圖機,好像我一直沒有多做討論?答案很簡單,一直都有玩、一直看、一直思考,但就是沒能得出答案。

Midjourney
在人工智慧繪圖機Midjourney,輸入關鍵字後,會自動運算出符合的圖像結果。
圖/ Midjourney

也幸好當時沒多討論——現在根本已經沒什麼好討論!AI 畫得好,畫得壞,畫出來的角色吃拉麵有沒有筷子(早期 AI 繪圖有缺陷,畫出來的吃拉麵插畫都是用手抓麵塞嘴裡),手指能不能數出幾根,根本就不重要。到了明天,我不認為最好的大學教授有辦法分辨 AI 繪畫出來的作品集和人類成果的差異,文字亦然。ChatGPT 的答題方式根本就是標準班上過去成績最好的那種學生,讀了最多的書,各種問題都難不倒,但每題他都點到為止,左右逢源,不違背歷史,也不得罪老師,要他創新,也就弄出一點點不會錯的小東西,做做科展得獎就好。

(只向字裡行間說再見,讓我們重新迎向肢體交疊)

除了想像、模擬,AI能做到原創嗎?

後來,有很多人說,AI 再怎麼聰明,也總要有「人」來「使用」 AI 與之協作,才能產出成果吧?然而,用過 ChatGPT 的人都知道,它有想像、模擬的能力,甚至「模擬一個人來使用它自己」,當然也能模擬一萬個人在與它協作。如果人可以輕易被想像,那麼 AI 就可以自己想像自己被使用並且產出結果,唯一能逃離這個結局的,只有人類自己,人類必須更加跳脫框架,不再容易被想像!

另外,還有很多人辯駁說—AI 不懂原創,它的創作都是學習自亞里斯多德時代以來至 2021 年以前的所有數位資料,還沒出現過的新創意它根本沒有,也不會有。然而,我想說首先是最新的 AI 已經可以不透過歷史資料來創見知識,按下一個按鈕創造一個(假想的)文明早已不是想像,而這個假想文明尚且可在系統中「瞬間一萬年」,藉由這個想像的一萬年,它當然也能有原創。

更不用說,在可以想見的未來,人類可能會派出無數 AI 搭載在各種太空設備上,發射至太陽系或整個宇宙,進行無邊探索,到了那麼一天,科幻電影《銀翼殺手》裡最經典的一幕,魯格豪爾飾演的仿生人羅伊,死前站在大雨中說出最後遺言:「我見過人類無法置信的事,我見過攻擊艦在獵戶座旁熊熊燃燒,也看過C射線在天國之門的黑暗裡閃耀。所有那些時刻都將消逝在時光中,一如淚水消失在雨中。」或許正描述了未來電腦能夠具備的事也與想像力,超乎你我。

(Time to die? 只是這回死的不是仿生,而是人?)

當然,讀者們也不必擔心,所有「XX 已死」的句型,都預示著「XX 不會死」,不要悲觀,而是信賴,就必有突破,有死就有生!

責任編輯:傅珮晴、蘇柔瑋

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

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
代理式商務連動百兆商機
© 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