隨著文本生成和機器學習的推步，關於內容撰寫人員是否會被提供自動完成功能的眾多 AI 寫作工具 取代，引發了許多討論。
GPT-3、 Rytr, Jarvis, Shortly, CopyAI, Frase 等——市場上層出不窮、帶有自動完成功能的新產品名單不勝枚舉。所有這些產品都具備一個「幫我寫」的按鈕。你點擊該按鈕，就會產生一段文字。
這感覺簡直就像魔法一樣。
作為一名 人工智慧研究員，在過去的 5 年裡，我一直關注著這一領域的突破——令人著迷的是，起初只是用來自動完成簡訊的技術，如今竟然演變成了幾乎能創作出整部小說的技術。
但在這是否意味著 AI 可以取代文案撰寫人員——人類寫作已經過時了？答案很複雜。
要回答這個問題，我們首先必須掀開帷幕，看看用於內容寫作的自動完成功能 到底 是如何運作的。有了這些資訊，我們就能深入探討這項人工智慧技術所帶來的折實，並弄清楚在市場上出現這麼多 AI 寫作工具的情況下，文案撰寫人員是否需要擔心。
自動完成功能在內容寫作中的演變歷程
隨著對 GPT-3 等新人工智慧突破的鋪天蓋地宣傳，人們很容易忘記預測文本技術（自動完成和自動校正）在過去幾十年中是如何演變的。
是的，這就是你舊 iPhone 5 上將「iz」自動校正為「is」的功能，也是 Google 向你推薦搜尋建議（有時非常搞笑）的方式。
依賴 N-Gram 幫你寫作
你可能會感到驚訝，但自動完成技術可以 追溯到 1948 年。從那時起，它就一直幫助內容撰寫人員進行拼字檢查和修改他們的寫作。
讓我們來看看自動完成技術卑微的起源。
許多早期的自動完成系統都是基於 語言模型 的概念。這基本上是一個可以根據字詞歷史預測下一個字詞的模型。
最早的語言模型由 克勞德·香農（Claude Shannon） 首次 提及，被稱為 N-gram 模型。N-gram 的一個應用是預測一組字詞出現在你正在輸入的文本中的可能性有多大。
例如，如果你輸入「Can you please come」（歷史字詞），N-gram 模型將預測下一個字詞「here」的可能性非常高（例如，80% 的機率）。然後，你的手機就會建議使用「here」這個詞來自動完成你的句子。
N-gram 是如何知道哪些字詞可能性高的？
你可以通過簡單地計算「Can you please come here」這句話在高質量文本語料庫（也稱為 訓練數據）中出現的次數來創建一個 N-gram 模型。如果這句話出現很多次，這意味著「here」很可能是一個正確的補全——否則，這就是一個不太可能的措辭。
這種出現次數的統計會應用於語料庫中所有可能的片語，並產生一個「次數表」。
在上面的例子中，第一行的次數最高，因為它在人類書面語言中最常出現。最後一行是用深奧的英語寫成的，在現代語言中不常出現，因此次數較低。
有了這個表格，每當有人輸入時， 程式就會查看這個表格 以尋找匹配次數最高的片語。這個 最佳匹配 本質上是對下一個字詞應該是什麼的預測。這個匹配還允許程式為你提供可能性的估計（例如，根據語料庫，有 80% 的機率是正確補全）。
就是這樣——許多自動完成工具背後的魔力歸根結底就是計算字詞！
簡而言之，這就是你如何建立一個模型，在給定特定歷史字詞集的情況下，預測最可能出現的下一個字詞。這是自動校正和自動完成系統運作的基礎。
那麼，文案撰寫人員會被 N-gram 模型取代嗎？
絕對不會。
N-gram 有一個根本性的問題——它 以一種稀疏的方式代表語言。簡單來說，這意味著如果你有大量的數據，你的表格就會變得太大。這時像 GPT 這樣的神經網絡就派上用場了。
超越表格：使用 GPT
自 N-gram 模型以來，我們今天所使用的技術已經取得了長足的進步。
現代用於自動完成的人工智慧依賴於神經網絡，它比 N-gram 模型強大得多。儘管神經網絡更加複雜，但它仍依賴於統計計數的相同基本原理。
萬能的 GPT-3 (Generative Pre-trained Transformer v3) 是由 OpenAI 開發的大型神經網絡語言模型，現在是市場上所有最近發布的自動完成寫作工具的核心支柱。GPT-3 是自然語言處理 (NLP) 朝向大型預訓練神經網絡發展趨勢的一部分。
有了 GPT-3，我們不再天真地使用表格來儲存所有可能的片語，而是將其 壓縮摘要 儲存在其神經網絡的權重中。這使我們能夠在數十億個片語和句子上訓練模型，這在以前塞進單個表格中是不可行的。
那麼 GPT-3 是如何為你寫作的呢？
就像 N-gram 一樣，當你輸入一個單字或片語時，GPT-3 會根據它所訓練的文本語料庫，試圖找到最有可能完成你句子的單字。
但它並不止於此。一旦它預測出你要輸入的下一個單字，它就會在一個循環中執行此操作，並不斷預測下一個單字，直到寫出一個段落。這就是它為你「生成」一段文字的方式。
但是等等——如果 GPT-3 所做的一切只是查找源自 以前寫過的內容 的機率，這是否意味著 GPT-3 只是在重複它讀過的內容，還是它 實際上具有創造力？
這是一個棘手的哲學問題，在當今關於 AI 生成內容的討論中非常普遍。
對 AI 內容寫作的誤解
AI 內容寫作可以有創造力嗎？
許多批評者指出，像所有 AI 模型一樣，GPT-3 只能生成它以前看過的文本。他們聲稱 AI 寫作 缺乏創造力 且這些工具 只適用於群發炒冷飯的內容。
雖然這種观点過去是成立的，但現在已不完全正確。
我們很容易聲稱 1948 年的 N-gram 模型只會簡單地重複既有內容，因為它 確確實實 將所有訓練數據儲存在一個表格中，並通過查找它看過的片語來「生成」文本。
但因為 GPT-3 是其訓練文本的高效壓縮器，它被迫發展出書面內容的規則和模式——它並不總是記得儲存在其記憶體中訓練數據的確切句子。
雖然有少數句子可能會被逐字生成，但產生的許多片語 都是新穎的。對生成的文本進行快速的 Google 搜尋就會發現，大多數生成內容都是原創的。
你是否相信 GPT-3（或任何 AI 模型和 AI 工具）能夠產生原創寫作，這取決於你如何定義 原創性。畢竟，人類也是向以往的偉大作品學習，並創作出莎士比亞作品的衍生作， 那麼人類 真的 有那麼原創嗎？
雖然現代 AI 產生的文本可能與現有的文本相似，但它也可能產生讓你感到驚喜的文本。
這取決於人類文案撰寫人員和內容編輯如何充分利用這種驚喜。
更好地使用自動完成功能應該包括作家篩選和選擇最佳的 AI 生成文本，或者將其作為激發靈感以打破寫作瓶頸的來源。
AI 內容寫作會有情感嗎？
圍繞 AI 內容寫作的擔憂之一是它會產生 毫無靈魂、毫無情感的文本。
這是另一個缺乏細微差別的籠統陳述 ——這或許是源於我們科幻小說中對 AI 是沒有感情的鐵罐機器人的觀念。
再說一次，像 n-gram 這樣簡單的 AI 模型不太可能產生有情感的文本，因為它缺乏表現力——它在學習量上有實際的限制。
但因為 GPT-3 從包含更多上下文的大型文本語料庫中學習，它通常可以 模仿寫作中的情緒和語調。這意味著如果你輸入像「我今天感到很難過」這樣的片語，AI 模型會試圖在生成的文本中找到最合適的詞語來反映這種情緒。
（你剛才在上面閱讀的段落完全是由 Jenni AI 自動完成的，未經修改。它已經學會了從之前的段落中匹配我的 語調和寫作風格。）
一項 在 ICLR 2020 上發表的研究 表明，神經網絡文本生成器甚至可能過於頻繁地模仿，並開始變得重複。然而， 模仿 並不等同於 擁有 情感。
作為一名作者，你仍然需要主導寫作的整體語調和情感。雖然 AI 可以產生反映人類情感的文本，但它並沒有身為人類的實證經驗——它不是一個 具身智慧（embodied intelligence）。
請記住，與 n-gram 模型一樣，GPT-3 是在文本語料庫（主要來自互聯網並由人類文案撰寫人員產生）上訓練的。
它沒有看過或體驗過普通人類所體驗的任何其他事物——它永遠不會知道起司漢堡嚐起來是什麼味道，也無法完全產生共情。根據 OpenAI 的說法，它無法準確回答與物理世界相關的問題，例如「如果我把起司放進冰箱，它會融化嗎？」。
這是未來幾年現代語言模型的固有局限性——至少在 AI 獲得物理身體之前是如此。
對於內容寫作， 理解這一限制至關重要。
這意味著，要真正利用 AI 來進行內容寫作，我們需要為 AI 模型提供引導和反饋，以將其引導至正確的方向。
為什麼 AI + 人類是內容寫作的未來
這些缺點可能會導致許多人對 AI 內容寫作的進步持懷疑態度，或者擔心我們的未來將充斥著 垃圾內容。
相反，我預見了一個更加光明燦爛的未來。
在 1996 年，當 IBM 的 AI 系統在西洋棋比賽中獲勝時，人們認為西洋棋這項遊戲已經被破解了，將不再會有棋手留下。
然而，實際發生的情況是，人們通過研究 AI 的棋步，重新掀起了學習新西洋棋策略的熱潮。在 2016 年 DeepMind 的 AlphaGo 擊敗了世界上最優秀的圍棋選手李世乭 之後，也出現了類似的現象。
AI 的成功意味著人類必須適應和改變——這種改變可能會令人不舒服，但通常是往好的方向發展。雖然 AI 可以在某些任務上擊敗人類，但人類是更好的通才，我們可以學會融入 AI 來提高我們的整體生產力。
這對於內容寫作尤其適用，文案撰寫人員需要將高水準的內容策略、公司的願景和品牌，以及對受眾的理解融入到他們的內容中。
這就是為什麼我預測一個可以兼得兩者之長的未來——人類和 AI 共同努力，生產出更高質量的內容。
文案撰寫明天就會過時嗎？
隨著技術的指數級發展，人們很難不感到好奇——內容撰寫人員的工作在未來會面臨風險嗎？
如果我們看看近年來 語言模型的改進趨勢，很明顯 AI 在自動完成文本方面正變得越來越好。在像 WikiText-103 這樣的通用基準上，AI 的 困惑度（perplexity）（一種誤差測量值）在過去 3 年中已從 40 降至 10——這可是 4 倍的提升！
推算這種指數級的增長， 在未來的 5 年中，我們進一步預期自動完成技術的質量將有 10 倍的提升。
這意味著，如果你在 SEO 內容寫作 中所做的一切只是產出低價值的工作——重寫既有內容、填寫範本、複製/貼上條列式文章，或是改寫他人的內容——那麼 答案是肯定的，你注定會被淘汰。
那麼，這對於那些認真且富有熱情的文案撰寫人員意味著什麼呢？
不要「幫我寫」，而是「與我一起寫」
我們不再使用打字機是有原因的。這是因為內容寫作並非只是在紙上印上墨水。
我們不再手動檢查語法也是有原因的。這是因為語法只是一項技術細節，而不是你內容的真正核心。
滿足用戶的搜尋意圖，並在你的特定領域被視作行業專家，會讓你的讀者回頭閱讀更多內容。他們會主動且更大規模地分享你的文章，並幫助你的文章在搜尋引擎排名中迅速上升。
儘管我們運用技術寫作的方式發生了所有這些演變，但作者仍然主導著內容的願景。 關鍵在於加強，而不是取代。
如果 AI 的存在是為了消除低水平的工作，那麼作為一名文案撰寫人員，你必須改變你的方法去從事更高價值的工作。是時候深入思考你正在產出什麼內容了。
每天都有 750 萬篇部落格文章發布，你的內容 需要 脫穎而出。
你的工作是將你的營銷策略、受眾和內容連點成線——帶來獨特的資訊、研究和想法——並將其 以別人未曾講過的故事形式呈現。一個能抓住眼球並讓你的讀者一直參與到文章結尾的故事。
這意味著寫作將不再那麼關乎於在紙上寫字之類的機械工作，而更多地關乎於你想要傳達的想法以及說故事的藝術。
我們需要停止依賴 AI 來幫我們寫作，而是要 與 我們一起寫。
如果你的工作涉及與讀者共情，以創建高質量、引人入勝的內容，從而引起受眾共鳴並提供真正的價值—— 你的角色就是安全的。
Jenni 如何提供幫助
在 Jenni，我們努力使人類與 AI 之間的這種融合盡可能無縫——這就是為什麼我們精心設計了基於 GPT-3 的自動完成系統，使其不會妨礙你，而是讓你——內容創作者——牢牢掌握主導權。永遠如此！
自 2022 年 3 月起，我們決定逐步淘汰「幫我寫」功能——就是你知道的那個，你按下按鈕，它就會神奇地為你寫出一段話的按鈕。令人震驚吧！
這是因為我們通過大量的用戶案例研究發現——在獲得「幫我寫」按鈕使用權限的新用戶中，有超過半數會點擊它來產生 ~80% 的內容——其中大部分內容質量低下。
這個按鈕的誘因太容易讓用戶製造垃圾內容，且會讓你無法成為自己故事的主導作者。
相反地， Jenni 現在將通過在你寫作時主動為你提供建議，來協助你，並與你的內容創作過程無縫融合。
這將大地有助於打破任何寫作瓶頸，也將把樂趣和熱情帶回到你的手藝中。