随着文本生成和机器学习的不断进步，关于内容撰写人是否会被提供自动完成功能的众多 AI 写作工具 所取代的讨论甚嚣尘上。
GPT-3、 Rytr, Jarvis, Shortly, CopyAI, Frase 等——市场上不断涌现的带有自动完成功能的新产品名单数不胜数。所有这些产品都配有一个“帮我写”按钮。点击该按钮，就会生成一段文本。
这感觉几乎就像魔法一样。
作为一名 人工智能研究员，我一直在关注过去 5 年里该领域的突破——令人着迷的是，一些最初作为自动完成短信的方式而诞生的技术，如今几乎已经能够创作出整部小说。
但这是否意味着 AI 可以取代文案撰写人——人类写作已经过时了吗？答案复杂。
要回答这个问题，我们首先必须揭开帷幕，看看内容写作的自动完成功能 究竟 是如何工作的。有了这些信息，我们就可以深入探讨这种人工智能技术所带来的权衡，并查明在市场上拥有所有这些 AI 写作工具的情况下，文案撰写人是否有什么可担心的。
内容写作自动完成功能的演变
在围绕着像 GPT-3 这样的人工智能新突破大肆宣传的情况下，人们很容易忘记联想输入文本技术（自动完成和自动纠错）在过去几十年中是如何演变的。
是的，这就是你老款 iPhone 5 上将“iz”自动纠正为“is”的功能，也是谷歌向你推荐（有时令人捧腹）搜索补全建议的方式。
依靠 N-Grams 为你写作
你可能会感到惊讶，但自动完成技术可以 追溯到 1948 年。自那时起，它就一直帮助内容撰写人进行拼写检查和纠正他们的写作。
让我们来看看自动完成技术卑微的起源。
许多早期的自动完成系统都是基于 语言模型 的概念。这基本上是一个可以根据词语历史预测下一个词语的模型。
最早的语言模型，最早由 Claude Shannon 提及，被称为 n-grams 模型。n-grams 的一个应用是预测一组词语在你正在输入的文本中出现的可能性。
例如，如果你输入“Can you please come”（历史词语），n-grams 模型会预测下一个词“here”的可能性非常高（例如，80% 的概率）。然后，你的手机会建议用“here”这个词自动完成你的短语。
n-grams 是如何知道哪些词是有可能的？
你可以通过简单地统计短语“Can you please come here”在高质量文本语料库（也称为 训练数据）中出现的次数来创建一个 n-grams 模型。如果这个短语出现很多次，这意味着“here”很可能是一个正确的补全——否则，它就是一种不太可能的表述方式。
这种出现次数应用到语料库中所有可能的短语中，就得到了一个“计数表”。
在上面的例子中，第一行的计数最高，因为它在人类书面语言中出现的频率最高。最后一行是用深奥的英语写的，在现代语言中并不经常出现，所以它的计数较低。
有了这张表，无论何时有人输入， 程序都会查看这张表 以找到与最高计数相匹配的短语。这个 最佳匹配 本质上是对下一个词应该是什么的预测。这个匹配还允许程序给你一个可能性的估计（例如，基于语料库有 80% 的概率是正确的补全）。
就这样——许多自动完成工具背后的魔力归结为统计词语！
简单来说，这就是你如何在一个给定特定历史词语集合的情况下，构建一个能够预测最可能出现的下一个词的模型。这就是自动纠错和自动完成系统工作的基石。
那么，文案撰写人会被 n-grams 模型取代吗？
绝对不会。
n-grams 存在一个根本性的问题——它 以一种稀疏的方式表示语言。简单来说，这意味着如果你有大量数据，你的表就会变得庞大。这就是像 GPT 这样的神经网络发挥作用的地方。
使用 GPT 超越表格的限制
我们今天所使用的技术自 n-grams 模型以来已经取得了长足的进步。
用于自动完成的现代人工智能依赖于神经网络，它们比 n-grams 模型强大得多。尽管神经网络更加复杂，但它们仍然基于相同的统计计数的基本原理。
功能强大的 GPT-3 (Generative Pre-trained Transformer v3) 是由 OpenAI 开发的大型神经网络语言模型，现在是市场上所有最新发布的自动完成写作工具的脊梁。GPT-3 是 自然语言处理 (NLP) 走向大型预训练神经网络趋势的一部分。
有了 GPT-3，我们不再天真地使用表格来存储所有可能的短语，而是将其 压缩摘要 存储在神经网络的权重中。这使我们能够对数十亿个短语和句子进行模型训练，这在单个表格中是无法容纳的。
那么，GPT-3 是如何为你写作的？
就像 n-grams 一样，当你输入一个词或短语时，GPT-3 会根据它训练的文本语料库，试图找到最有可能完成你句子的词。
但它并不仅限于此。一旦它预测了你接下来要输入的词，它就会在一个循环中执行此操作，并不断预测下一个词，直到写完一段话。这就是它为你“生成”段落的方式。
但是等等——如果 GPT-3 所做的一切只是查找源自 以前写过的内容 的概率，这是否意味着 GPT-3 只是在重复它读过的内容，还是它 实际上具有创造性？
这是一个微妙的哲学问题，在当今关于 AI 生成内容的讨论中非常普遍。
对 AI 内容写作的误解
AI 内容写作能够具有创造性吗？
许多批评者指出，GPT-3 像所有 AI 模型一样，只能生成它以前见过的文本。他们声称 AI 写作 缺乏创造性 ，并且这些工具 只对传播生搬硬套的内容有用。
虽然这种观点过去是合理的，但现在已不再完全正确。
很容易声称 1948 年的 n-grams 模型只会简单地重复现有内容，因为它 字面上 将所有训练数据存储在表格中，并通过查找它见过的短语来“生成”文本。
但因为 GPT-3 是其训练文本的高效压缩器，它被迫发展出书面内容的规则和模式——它并不总是记住存储在其内存中的训练数据中的确切句子。
虽然有几句话可能是逐字生成的，但生成的许多短语 都是新颖的。在谷歌上对生成的文本进行快速搜索，就会发现大多数生成内容都是原创的。
你是否相信 GPT-3（或任何 AI 模型和 AI 工具）能够创作出原创作品是值得商榷的，并且取决于你如何定义 原创性。毕竟，人类也是从以前的伟大作品中学习，并创造出莎士比亚作家的派生作品， 那么人类 真的 那么具有原创性吗？
虽然现代 AI 生成的文本可能与现有的文本相似，但它也可能生成让你感到惊讶的文本。
这取决于人类文案和内容编辑如何充分利用这种惊喜。
更好地使用自动完成应该包括作者过滤和选择最合适的 AI 生成文本，或者将其用作打破写作瓶颈的灵感来源。
AI 内容写作能带有情感吗？
围绕 AI 内容写作的担忧之一是它会产生 空洞、无感情的文字。
这是另一个缺乏细微差别的宽泛说法 ——而且这可能源于我们在科幻小说中认为 AI 是没有感情的铁罐机器人的观念。
再次强调，像 n-gram 这样简单的 AI 模型是不大可能产生情感文字的，因为它缺乏表征能力——它在学习能力上有一个实际的局限。
但因为 GPT-3 从包含更多上下文的大型文本语料库中学习，它通常可以 模仿写作中的情绪和语气。这意味着如果你输入诸如“我今天感到难过”之类的短语，AI 模型将试图在生成的文本中找到最合适的词语来反映这种情绪。
（你刚才在上面读到的那段话完全是由 Jenni AI 自动完成的，未经修改。它已经学会了从前面的段落中匹配我的 语气和写作风格。）
在 ICLR 2020 上发表的一项研究 表明，神经文本生成器甚至可能模仿得过于频繁并开始变得重复。然而， 模仿 并不等同于 拥有 情感。
作为一名作者，你仍然需要掌控写作的整体基调和情感。虽然 AI 可以生成反映人类情感的文本，但它并没有关于作为人类的实证经验——它不是一种 具身智能。
记住，就像 n-gram 模型一样，GPT-3 是在文本语料库（主要来自互联网并由人类文案撰写人创作）上进行训练的。
它还没有看到或经历过普通人经历的任何其他事情——它永远不会知道芝士汉堡是什么味道，也不能完全产生共鸣。根据 OpenAI 的说法，它无法准确回答与物理世界相关的问题，例如“如果我把奶酪放进冰箱，它会融化吗？”。
这是未来几年现代语言模型固有的一种局限性——至少在 AI 获得物理实体之前是这样。
对于内容写作来说， 理解这一局限性至关重要。
这意味着要想真正利用 AI 进行内容写作的力量，我们需要向 AI 模型提供引导和反馈，以引导它走向正确的方向。
为什么 AI + 人类是内容写作的未来
这些弱点可能会导致许多人对 AI 内容写作的发展持怀疑态度，或者担心我们的未来会被 垃圾内容 充斥。
相反，我预见到一个更加光明的未来。
在 1996 年，当 IBM 的 AI 系统在国际象棋比赛中获胜时，人们认为国际象棋游戏被攻破了，将不再会有棋手留下来。
然而，发生的事实是，人们通过研究 AI 的招式，掀起了学习新国际象棋策略的热潮。在 2016 年 DeepMind 的 AlphaGo 击败李世石（世界上最优秀的围棋棋手）之后，也发生了类似的现象。
AI 的成功意味着人类必须适应和改变——这种改变可能会让人不舒服，但通常是往更好的方向发展。虽然 AI 可以在某些任务上击败人类，但人类是更出色的通才，我们可以学会融入 AI 来提高我们的整体生产力。
在内容写作中也是如此，因为文案撰写人需要将高层次的内容策略、公司的愿景和品牌以及对受众的理解整合到他们的内容中。
这就是为什么我预测一个我们可以两全其美的未来——人类和 AI 共同努力，产出更高质量的内容。
文案撰写明天就会过时吗？
随着技术的指数级发展，人们不禁会想——未来内容撰写人的工作会面临风险吗？
如果我们看看 多年来语言模型改进 的趋势，就会清楚地发现，AI 在自动完成文本方面变得越来越好。AI 在像 WikiText-103 这样的通用基准上的 困惑度（一种误差测量）在过去 3 年内已从 40 降至 10——这是 4 倍的提升！
推断这种指数级增长， 在接下来的 5 年里，我们进一步期望自动完成技术在质量上能获得 10 倍的提升。
这意味着，如果你为进行 SEO 内容写作 所做的一切只是产出低价值的工作——改写现有内容、填充模板、复制/粘贴列表式文章（Listicles）或洗稿别人的内容，那么 答案是肯定的——你注定要被淘汰。
那么，这对于那些认真且充满热情的文案撰写人意味着什么呢？
不要“帮我写”，而是“与我协作”
我们不再使用打字机是有原因的。那是因为内容写作并不是在纸上印上墨水。
我们不再手动检查语法是有原因的。那是因为语法是技术性的细节，而不是你内容的真正核心。
满足用户的搜索意图，并被视为特定细分领域的行业专家，会让你的读者再次光临。他们会自发地更大规模地分享你的文章，并帮助你的文章在搜索引擎中的排名飙升。
尽管我们在如何使用技术进行写作方面经历了所有这些演变，但作者仍然掌控着内容的愿景。 人机协作而不是取而代之是关键。
如果 AI 的出现是为了消除低水平的工作，作为文案撰写人，你必须转变你的方法去从事更高价值的工作。是时候深入思考你正在产出什么内容了。
每天都有 750 万篇博客发布，你的内容 需要 脱颖而出。
你的工作是拉近你的营销策略、受众和内容之间的联系——带来独特的信息、研究和观点——并将其塑造成别人没有讲过的故事，一个能吸引眼球并让你的读者一直读到最后的精彩故事。
这意味着写作在更小程度上是关于在纸上写字的机械过程，而在很大程度上是关于你想表达的想法和讲故事的艺术。
我们需要停止依赖 AI 帮我们写，而是去让它 与 我们共同创作。
如果你的工作涉及引起读者共鸣，以创作者的心产出高质量、引人入胜的内容，并提供真正的价值—— 你的角色是安全的。
Jenni 如何提供帮助
在 Jenni，我们努力使人类与 AI 之间的这种结合尽可能地无缝衔接——这就是为什么我们精心设计了基于 GPT-3 的自动完成系统，使其不会妨碍你，而是让你——内容创作者——始终坐在主导者的位置上。永远如此！
截至 2022 年 3 月，我们已决定逐步取消“帮我写”功能——也就是你按下一个按钮，它就会神奇地为你写出一段话的功能。令人震惊！
那是因为我们通过大量的用户案例研究发现，超过一半能使用“帮我写”按钮的新用户会点击它来生成他们 ~80% 的内容——而其中大部分都是低质量的。
这个按钮的诱惑太容易让用户产生垃圾内容，并让你无法成为自己故事的作者。
相反，现在 Jenni 将通过在您写作时主动向您提供建议来写协助您，并无缝地融入您的内容创作过程中。
这将大大有助于打破任何作家的写作瓶颈，也将为您重塑手艺的乐趣与激情。