微軟再進攻，ChatGPT版的Office下週登場！但業界不看好能贏Google，為什麼？|數位時代 BusinessNext

剛剛，微軟公司宣布將 ChatGPT 背後的技術與其低程式碼應用平臺 Power Platform 捆綁在一起，推出新的生成式 CoPilot 人工智慧體驗，允許使用者在很少或沒有編碼的情況下開發應用程式。

微軟表示，Power Platform 中的一系列商業智慧和應用程式開發工具，包括 Power Virtual Agent 和 AI Builder，都更新了功能：
Power Virtual Agent 是企業構建聊天機器人的工具，現在可以連接到公司內部資源以產生每週報告和客戶查詢的摘要；
AI Builder 中加入了生成 AI 功能，讓企業可以將工作流程自動化，並推出了基於該技術的新版業務管理平臺 Dynamics 365；

Dynamics 365 Copilot 是 Microsoft 工具的最新版本，包括許多用於銷售、客戶服務和行銷的應用程式，它集成了 AI 以自動執行某些任務，例如資料收集和分析或創建電子郵件活動等功能。

微軟還表示，執行長納德拉將在 3 月 16 日主持一場活動，討論「用人工智慧重塑生產力」，**並展示其類似 ChatGPT 的人工智慧將如何在 Teams、Word 和 Outlook 等 Office 生產力套件中發揮作用。 **

稍早，據 The Information 報導，OpenAI 的 GPT 模型已經在 Outlook 中進行了測試以改善搜尋結果，同時還提供了電子郵件回復建議和 Word 文件整合的功能以改善使用者寫作。

回到這場 ChatGPT 競賽的最初，微軟主動出擊，宣布對 OpenAI 追資數十億美元，擁有了 OpenAI 的 49% 股份。他們將 ChatGPT 與 MS Teams 整合，使其更加「智慧」，並為其流行的 Windows 作業系統和搜尋引擎Bing進行了 AI 更新。

經此一役，微軟正朝著其十年來統治搜尋引擎的夢想前進。在上個月宣布並示範了其新的Bing搜尋引擎中的普羅米修士模型後，也是時候看看微軟如何在生產力領域進一步採取這種新技術了。

在生成式 AI 落地的爭奪戰中，像微軟、Google這樣的大型科技公司勢必成為推動者。由此，人們似乎看到了又一次工業革命的曙光：新機遇會出現，伴隨著新的挑戰。

圖靈獎得主 Yann LeCun 的預測是：「AI 當然不會造成持續的失業。但技術進步淘汰了一些工作職務，人們的技能可能對於新的經濟體系來說已經過時了，勞動力的再次培訓顯得至關重要。」

Gary Marcus 與 LeCun 的理解略有不同：「從歷史上看，科技的每一次進步確實只是取代了工作職務，但話說回來，我在過去的半個世紀裡都活著，並不意味著我是不朽的。真正的 AGI 會取代大部分工作，不是嗎？」

ChatGPT引發的巨頭之爭，你看好誰？

ChatGPT 引發的 AI 圈地震，打破了科技巨頭之間的狀態平衡。

微軟的這些動作讓Google迅速陷入了困境。皮查伊發布了「紅色警戒」，Google在前段時間推出了 Bard，作為 ChatGPT 的競爭對手，並在人工智慧的戰鬥中做出了回應。

可能很多人都認為，微軟和 OpenAI 的「強強聯合」將在人工智慧大戰中擊敗Google。

但一位名叫「Tibo」的科技新創公司 CEO 認為，Google絕對會擊垮這一組合，OpenAI 並不會改變「權力遊戲」的等級制度，「我並不希望微軟或 OpenAI 失敗。如果它們贏了，那會很有趣。我們都喜歡競爭，而微軟和Google正在給我們帶來一場激動人心的表演。其結果可能會改變我們這個世界的遊戲規則！這只是我對這件炙手可熱的事情的看法。」

納德拉近日表示，Google是一隻「800 磅的大猩猩」，而微軟會讓它「跳舞」。Tibo 則認為，有了 Bard 之後，Google會全力反擊。納德拉或許是正確的，但機率只有 50%。Google確實是一隻 800 磅重的大猩猩，但它也會「踢微軟和 OpenAI 的屁股」。

為什麼這麼說呢？他列出了六點理論：

1、Google壟斷了搜尋領域。

Google和 Youtube 是世界上最受歡迎的兩個搜尋引擎，擁有 91.9% 的市場占有率，將微軟的Bing遠遠甩在後面。甚至，亞馬遜和 Facebook 也都領先於 Bing。

事實上，「Google」是Bing上搜尋量最大的查詢。

因此，只要Google向大眾推出 Bard，就會得到大規模的採用。儘管Bing在整合 ChatGPT 後實現了 10 倍的飛躍，但它就是無法在「使用者數量」的競賽中擊敗Google。

2、更多的使用者將為 Bard 帶來更多的回饋，加速其改進過程。

記住：資料多的「Bad AI」勝過資料少的「Good AI」。

Google推出的 Bard 的第一個版本使用了 LaMDA 的「羽量級」版本。它需要的運算能力將大大降低，但這將幫助他們收集更多的回饋資訊。而且他們已經有了一個殺手級的用法，將複雜的資訊簡化為「容易消化」的格式。

3、Google在這場人工智慧競賽中已經有十多年經驗。

在 21 世紀初，Google就開始與它的研究部門 —— Google研究院合作。

Google是人工智慧世界所有重大突破的幕後力量。從在圍棋比賽中擊敗頂級棋手到解決蛋白質折疊問題，他們已經布局了很多年。自 2011 年以來，他們一直在其他部門或機構投資數十億美元，如 DeepMind 和Google大腦。

Google大腦是人工智慧的動力源，其目的是複製正常人腦的功能，Google的產品多年來一直在使用它。

Android的語音辨識
Google翻譯 - 搜尋Google照片
Gmail 上的智慧型回復
YouTube 上的推薦

另一方面，DeepMind 正在建立通用的人工智慧應用。它可以像全球頂級醫生一樣診斷眼部疾病和乳腺癌，以及節省 30% 用於保持資料中心冷卻的能源，或是改善頭頸部癌症的治療，由此出發想像一下Google的能力吧。

4、最重要的是，GPT 使用的底層架構是由Google自己建立的。

OpenAI 使用深度學習模型「Transformer」來構建 GPT-3（Generative Pre-trained Transformer 3）。

這樣理解吧：有很多像比特幣這樣的加密貨幣，但它們都是建立在一個叫做區塊鏈的分散式帳本上。同樣，OpenAI 和 ChatGPT 可能已經取得了突破性進展，但它們是建立在Google向世界推出的架構模型之上。

5、網際網路上的每一個數據點都被Google的 PageRank 演算法收錄。

所以 Bard 不僅會給出相關的和有背景的回應，它還會基於權威的來源，而不像 ChatGPT 那樣因其錯誤的資訊、假的引用和不存在的參考資料而受到很多批評。

Google甚至有所有 YouTube 影片的文字記錄。因此，它不會只為基於文本的資料訓練其模型，也會為基於影片和音訊的資料訓練。

我們知道 ChatGPT 是在截止 2021 年的全球資料上進行了訓練，但 Bard 可以從網路上提取資訊，並利用巨大的、新鮮的、即時的資料提供高品質的回應。

6、在透過聊天機器人提供「真實」答案方面，Google至少比 ChatGPT 領先 10 年。

Google Bard 是在 LaMDA 模型的基礎上建立的，有三個主要指標：品質、安全和基礎性。因此，它產生的回答是對話式的、合理的和非通用的。

另一方面，ChatGPT 的回答幾乎就像機器人的問答。我們都看到它產生了一些淺薄的內容。這證明了 LaMDA 是在對話中訓練的，而 ChatGPT 是在網路文本中訓練的。大家可以自己比較一下：

既然Google在這方面已經深耕了幾十年，為什麼不早點推出產品？

主因是他們有責任滿足數十億使用者的需求；他們可以從現狀中獲益。即使他們擁有這個人工智慧，但人工智慧會「吃掉」搜尋收入。此外，它可能會讓數十億使用者面臨潛在的危害，比如分享假資訊、產生假照片、讓學生有能力在考試中作弊（這一直是 ChatGPT 的主要吸引力）等等。

為了使其人工智慧組合多樣化，Google最近向 Anthropic 投資了 4 億美元，與微軟在 2019 年與 OpenAI 的交易類似。（PS：Anthropic 是由 OpenAI 的領導人創立，包括 Daniela 和 Dario Amodei。）

在最近的一次採訪中，山繆‧阿特曼說：「關於某項技術是一家巨頭公司的終結者的言論，通常是錯誤的。」

即使是 OpenAI 的 CEO 也對Google的能力充滿信心。我們又為什麼不相信呢？

一年後，OpenAI 可能看起來是生成式人工智慧的先行者，但它的模型可能不會像現在看起來那麼新穎和具有顛覆性。OpenAI 並不會改變權力的等級制度。

現在說了這麼多，如果我在未來幾年裡發現自己錯了，我會等著你們在這個話題上吐槽我。如果我是對的，那麼在此提前說一聲「我早就說過」。

本文授權轉載自：T客邦

責任編輯：傅珮晴、錢玉紘

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。