随着文本生成和机器学习的进步，人们纷纷讨论内容写作者是否会被众多提供自动补全功能的AI写作工具所取代。
GPT-3 Rytr, Jarvis, Shortly, CopyAI, Frase等 - 市场上涌现出带有自动补全功能的新产品列表无穷无尽。所有这些产品都有一个“为我写”按钮。你点击这个按钮，就会输出一段文本。
这几乎感觉像是魔法。
作为一名 人工智能研究者，在过去五年里，我一直关注这个领域的突破 - 令人着迷的是，最初作为自动补全你的短信的方式竟然发展成了一种如今几乎可以产生整部小说的技术。
但这是否意味着AI可以取代文案撰写者 - 人类写作不再必要了？答案是复杂的。
要回答这个问题，我们首先需要揭开面纱，看看内容写作的自动补全是如何 真正 工作的。掌握了这些信息后，我们可以深入探讨这种人工智能 技术带来的权衡，并搞清楚文案撰写者是否需要对市场上的这些AI写作工具感到担忧。
自动补全如何演变为内容写作
在众多新型人工智能突破（如GPT-3）令人兴奋的讨论中，容易忘记预测文本技术（自动补全和自动更正）在几十年中是如何演变的。
是的，这就是你的老款iPhone 5上将“iz”更正为“is”的功能，它也是Google建议你（有时搞笑）的搜索完成方式。
依靠N-grams为你写作
你可能会感到惊讶，但自动补全技术可以 追溯到1948年。自那时以来，它帮助内容写作者检查拼写和纠正他们的写作。
让我们来看看自动补全的卑微起源。
许多早期的自动补全系统基于 语言模型的概念。基本上，这是一个可以根据单词的历史预测下一个单词的模型。
最早的语言模型，首次 由 Claude Shannon 提及，称为 n-grams模型。n-grams的其中一个应用是预测一组单词在你打字的文本中出现的可能性。
例如，如果你输入“Can you please come”（ 历史单词），n-grams模型会预测下一个单词“here”的可能性很高（例如，80%的机会）。然后你的手机将自动补全你所输入的短语，且用词“here”。
n-grams是如何知道哪些单词是可能的？
你可以通过简单地计算短语“Can you please come here”在高质量文本的语料库中出现的次数来创建n-grams模型（也称为 训练数据）。如果这个短语出现很多次，那就意味着“here”很可能是一个正确的补全 - 否则，它就是一个不太可能的措辞。
这个出现计数适用于语料库中所有可能的短语，最终形成了一个“计数表”。
在上面的例子中，第一行的计数最高，因为它在自然书写的语言中发生得最频繁。最后一行的内容用的是晦涩的英语，因而在现代英语中很少出现，所以它的计数较低。
有了这个表，无论何时有人输入文本，该 程序都会查看这个表 以找到最匹配的短语，该短语的计数最高。这个 最佳匹配 本质上是对下一个单词应该是什么的预测。此匹配还允许程序为你提供一个可能性的估算（例如，根据语料库，正确补全的机会为80%）。
这就是了 - 许多自动补全工具背后的魔法归结于数词的计数！
用简单的话来说，这就是如何建立一个模型以预测给定特定的历史单词集合后，最有可能出现的下一个单词。这是自动更正和自动补全系统工作原理的基础。
那么文案撰写者会被n-grams模型取代吗？
绝对不会。
n-grams存在一个根本性的问题 - 它 以稀疏的方式表示语言。简单来说，这意味着如果你拥有大量数据，你的表会变得过大。这就是神经网络如 GPT 所发挥作用的地方。
超越表的GPT
我们今天所使用的技术已经走过了很长一段路，自n-grams模型以来。
现代自动补全的人工智能依赖于神经网络，这些网络比n-grams模型更为强大。尽管更为复杂，神经网络依然依赖于统计计数的同一基本原理。
全能的 GPT-3（生成式预训练变换模型v3） 是一个由OpenAI开发的大型神经网络语言模型，现在已成为市场上所有新发布的自动补全写作工具的基础。GPT-3是 自然语言处理（NLP）朝着大型预训练神经网络发展的一部分。
有了GPT-3，我们不再天真地使用一张表来存储所有可能的短语，而是将其 压缩摘要 存储在其神经网络的权重中。这使我们能够在数十亿个短语和句子上进行训练，而这些在单一表格中是无法实现的。
那么GPT-3是如何为你写作的?
和n-grams一样，当你输入一个单词或短语时，GPT-3将尝试根据它所训练的文本语料库寻找最可能的下一个单词。
但事情没有止步于此。一旦它预测出你将要输入的下一个单词，它将以循环的方式继续预测，直到它写出一段文本。这就是它如何“生成”一段文本。
但等等 - 如果所有GPT-3所做的就是根据 先前编写的内容查找概率，这是否意味着GPT-3仅仅重复了它所读到的内容，或者它是否 真的具有创意？
这是一个复杂的哲学问题，在当今关于AI生成内容的讨论中颇为流行。
关于AI内容写作的误解
AI内容写作可以具有创造力吗？
许多批评者指出，GPT-3和所有AI模型一样，只能生成它之前见过的文本。他们声称，AI写作 缺乏创造力 ，并且这些工具 只适合生成垃圾内容。
虽然这种观点曾经有效，但现在已经不再完全成立。
很容易声称1948年的n-grams模型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一张表中，并通过查阅它见过的短语来“生成”文本。
但由于GPT-3是其训练文本的高度有效压缩器，它被迫开发出书写内容的规则和模式 - 它并不总是记住存储在其记忆中的训练数据中的确切句子。
虽然一些句子可能会逐字生成，但许多生成的短语 是新颖的。快速Google搜索生成的文本将显示大多数生成是原创的。
无论你是否相信GPT-3（或任何AI模型和AI工具）能否生成原创写作，都是值得争辩的，且取决于你如何定义 原创性。毕竟，人类从前人的伟大作品中学习，并从莎士比亚那里创作了衍生品，那么人类 真的 那么原创吗？
虽然现代人工智能生成的文本可能类似于现存的内容，但它也可以生成可能让你感到惊讶的文本。
这全凭人类文案撰写者和内容编辑来充分利用这种惊讶。
更好地利用自动补全应该涉及作家过滤和选择最佳的AI生成文本，或利用它来激发灵感以打破写作障碍。
AI内容写作能带有情感吗？
人们对AI内容写作的一个担忧是它会生成 无灵魂、缺乏情感的文本。
这是另一个缺乏细微差别的广泛说法 - 这也许源于我们对科幻小说中AI被认为是没有感情的铁皮机器人这一概念的想象。
再次强调，像n-gram这样简单的AI模型不太可能生成情感文本，因为它缺乏表现能力 - 它在学习上有实际限制。
然而，由于GPT-3是从上下文丰富的大量文本中学习的，它可以经常 模仿写作中的情感和语气。这意味着，如果你输入的短语是“我今天感到悲伤”，AI模型将尝试找到最适合的单词来反映这种情感。
(你刚才阅读的段落完全由Jenni AI在没有编辑的情况下自动完成。它已经学会了匹配我先前段落的语气和写作风格。）
根据 2020年在ICLR上发布的一项研究 显示，神经文本生成器甚至可能过于模仿，开始变得重复。然而， 模仿 并不等同于 具有 情感。
作为一名作家，你仍然需要掌控整体的语气和情感。虽然AI可以生成反映人类情感的文本，但它没有经验去真正理解作为人类的体验 - 它不是一种 具身智能。
记住，像n-gram模型一样，GPT-3也是在一个文本语料库上训练的（主要来自互联网，并由人类文案撰写者生成）。
它没有见过或经历过任何一个普通人所经历的事情 - 它永远无法知道汉堡包的滋味，也无法完全同情。根据 OpenAI的说法，它无法准确回答与物理世界有关的问题，例如“如果我把奶酪放进冰箱，它会融化吗？”
这是现代语言模型在未来几年内固有的局限性 - 至少在人工智能获得一个实体之前。
对于内容写作来说， 理解这个限制至关重要。
这意味着为了真正利用人工智能的力量进行内容写作，我们需要向AI模型提供指导和反馈，以使其朝着正确的方向发展。
为什么人工智能与人类是内容写作的未来
这些缺点可能使许多人对AI内容写作的进步持怀疑态度，或担心我们未来将充满 垃圾内容。
相反，我预见一个更加光明的未来。
1996年，在IBM的人工智能系统在一次国际象棋比赛中，这被认为这场比赛被破解，棋手将不复存在。
然而，发生的事却是人们通过研究AI的棋步而重新学习新的国际象棋策略。类似的现象发生在 DeepMind的AlphaGo战胜了李世石，2016年世界围棋冠军。
在人工智能成功的情况下，人类必须适应和变化 - 而这种变化可能会让人感到不适，但通常是为了更好。尽管AI在某些任务上可以胜过人类，但人类更擅长通才，我们可以学习利用AI来增强整体生产力。
这对于内容写作来说是切实可行的，其中文案撰写者需要将高级内容策略、公司的愿景和品牌，以及对受众的理解融入到他们的内容中。
这就是为什么我预测未来我们可以实现二者兼得 - 人类和AI共同努力产生更高质量的内容。
文案写作明天会过时吗？
随着技术的迅猛发展，令人难以不质疑 - 内容写作者的工作在未来是否处于风险之中？
如果我们看看 多年来语言模型的改善趋势 ，显然AI在自动补全文本方面变得越来越出色。AI在像 WikiText-103 这样的常见基准上的 困惑度 （错误的测量）在过去三年里从40降至10 - 这是4倍的提高！
推测这种指数增长， 在未来五年里，我们进一步期望自动补全技术的质量再提高10倍。
这意味着，如果你为SEO内容写作所做的只是生产低价值的工作 - 重写现有内容、填写模板、复制/粘贴列表文章或剽窃他人的内容 - 那么 答案是肯定的 - 你注定要失败。
那么，这对那些认真和充满热情的文案作者来说意味着什么呢？
不要“为我写作”，而是“与我写作”
我们不再使用打字机是有原因的。这是因为内容写作并不是在纸上放墨水。
我们不再手动检查语法是有原因的。这是因为语法是一种技术细节，而不是你内容的真正核心。
满足用户的搜索意图并被视为你特定领域的 主题专家 将使你的读者不断回来。它们将自然地在更大范围内分享你的文章，并帮助你的文章在搜索引擎排名中上升。
尽管在我们如何使用技术写作的演变中有这些进展，作者仍然对内容的愿景保持控制。 提升而非取代是关键。
如果AI在这里是为了去掉低水平的工作，作为一名文案写作者，你必须改变自己工作的方法，以执行更高价值的工作。是时候深入思考你所制作的内容了。
每一天都有 750万篇博客文章发布 ，你的内容 需要 脱颖而出。
你的工作是将你的市场策略、受众和内容连接起来 - 带来独特的信息、研究和创意 - 并将其呈现出一个其他人未曾讲述的故事。一个吸引注意力并让你的读者一直保持参与感的故事，直到文章结束。
这意味着，写作将越来越不是关于机械地在纸上呈现文字，而更多是关于你想要传达的思想和讲故事的艺术。
我们需要停止依赖AI为我们写作，而是要与我们共同写作。
如果你的工作涉及情感共鸣，以创造出高质量、引人入胜的内容，从而引起你的受众强烈共鸣并提供真实价值 - 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之间的整合尽可能无缝 - 这就是我们为什么精心设计基于GPT-3的自动补全系统，让它不妨碍你，而是始终将你 - 内容创作者 - 保持在驾驶座上的原因！
截至2022年3月，我们决定逐步淘汰“为我写作”的功能 - 你知道的，那个你按下它，便神奇地为你写出一段文本的按钮。令人震惊！
因为我们通过大量用户案例研究发现 - 超过一半的新用户一旦获得“为我写”的按钮后，会点击它来生成 ~80% 的内容 - 其中大部分内容质量较低。
这个按钮的诱惑让用户很容易创造垃圾内容，且也阻止你成为自己故事的作者。
相反，Jenni现在将通过在你写作时积极提供建议、并与您的内容创建过程无缝整合，来协助你。
这将大大帮助打破任何写作障碍，也将使你的创作重新充满乐趣与热情。