📻國立教育廣播電臺【新聞真假掰】好用的ChatGPT需要「人設」？上億人都是ChatGPT的免費家教？（逐字稿大公開）

📻國立教育廣播電臺【新聞真假掰】節目資訊

播出時間：每周日 17:05-18:00
收聽方式：國立教育廣播電臺 官網 60 天隨選收聽

📌邀訪來賓

尹相志（數據科學家）

📌完整訪談內容Podcast

📌節目介紹

在極短的時間內，生成式AI從死背考古題，進化到產出符合人類需求，甚至能取悅人心的大型語言模型（LLM）。它的成長速度令人吃驚，面對這個趨勢，數據科學家尹相志有什麼看法？

不過，AI運算速度雖快，若沒有正確指令，也難以讓它發揮功用。這時候，一個完美的人設，讓AI「角色扮演」居然有望解決此問題！？未來，人們可以設定AI的身分，它可以是海關的報關士，高效解決進出口文件，也可以是保全公司的行銷，寫出語帶雙關、吸引觀眾的文案。

回到媒體素養與傳播領域，新聞記者經常需要處理大批資訊，AI能快速整理逐字稿、抓重點，乍看能幫上大忙，但它「無中生有」、「一本正經胡說八道」的特性，與記者「報導真實」相牴觸，如何取得兩者間的平衡，將是未來重要的課題。

本集節目邀請數據科學家尹相志，從生成式AI大爆發，談到產業如何善用AI解決業務問題。請收聽「新聞真假掰 」，假訊息Bye Bye。

尹相志 （數據科學家，以下簡稱「尹」）

黃兆徽（台灣事實查核教育基金會董事／台大新聞所兼任助理教授，以下簡稱「黃」）

📅節目預告
2023/08/27 周日 17:05-18:00 全台皆可收聽（查閱各地收聽頻率）
生成式AI 引爆生產力革命的創新應用有哪些？奠基於「台灣杉二號」，台灣版ChatGPT優勢何在？

專訪導演魏德聖

🌐最新精彩內容
海角七號、賽德克巴萊、KANO⋯魏德聖談創作心路，竟曾一度想不開？如何從癌童故事重獲生命力量與希望？

------------------------------------------------------------------------------------------------------------------------

黃：哈囉大家好，我是兆徽，歡迎來到新聞真假掰，今天來到現場，要陪伴我們一起提升科技資訊與媒體素養的好朋友，是數據科學家尹相志，相志好。

尹：各位大家好，兆徽好，那很高興今天有這個機會來跟大家來聊一聊有關於AI的一些事情。

黃：是，相志其實是臺大新聞所的學弟，你是臺大化學系畢業，但是後來一直從事數據科學的工作，其實也是在2002年，二十多年前就成立了臺灣第一家大數據的顧問公司，對，然後這二十多年來也不斷地自己有在嘗試寫程式，然後從二十多年前其實就很關注人工智慧的發展對不對？

黃：所以我們今天特別邀請相志喔，來跟大家分享說這個生成式AI隨著這個ChatGpt的出現各行各業都在討論，我們先來Focus在新聞媒體這樣的產業，也是相志這個碩士的學位嘛，到底在新聞、或在媒體、在影視產業怎麼應用ChatGpt和一般人我們可以用ChatGpt來適合做什麼？

黃：比如說文案這類的工作其實很適合，倒像是有一些獨門的秘訣，可以教大家說怎麼樣用ChatGpt幫助我們寫出更有吸引力的文字，我們今天來談一談，像是曾經在2006年到2017年都獲選微軟最有價值專家MVP那個是一個什麼樣的選拔?

尹：其實它就是一個就是因為微軟它希望可以透過社群的經營，可以讓他們的技術可以向外傳播。

尹：所以其實它的角色有點像是技術的傳教士的那種概念，那所以他們因為微軟本身其實它有很多的像作業系統啊，office啊、資料庫等等不同的領域，那所以它會對每一個技術領域會去評選出這個地區一個比較具有代表性的。

黃：最會應用這個。

尹：或者說做最多對外的傳播，可能例如說寫部落格的文章，或者是在社交媒體分享一些新的資訊，他們會用一些這樣的一個社群的概念來去評估這個人的影響力這樣子。

黃：是。所以從2006年到2017年十幾年，你都是一直不斷在研究微軟的這些作業系統啦，它的應用工具啦。

尹：主要是在數據這一塊，最多在數據這塊。

黃：是，所以相志這二十多年對人工智慧的觀察，到現在生成式AI大爆發，你自己的觀察跟心得？

尹：其實應該是說連我自己都覺得有點嚇到，因為我覺得本來沒有覺得那麼快會出現這樣子的一個改變，那我們以前學的都是所謂的一個判別式的AI，那就想像說，我們就希望它去回答選擇題，那個選項都是被鎖死的，被設定好的。

黃：是，就是等於是給它一個考古題題庫。對不對？

尹：對，而且基本上要有人類的答案，然後呢這種東西它其實有一個很重要精神就是，沒有教過的就不會。

黃：對。

尹：那就要教過了也不一會。

黃：就是填鴨式教育的產物。

尹：對，可能外部週遭的環境或者是一些條件有了一點點的改變，可能它就會不認得了。

黃：對，因為它跟考古題多點變化這個學生就不會做了。

尹：對。那現在生成式AI則是用另外一種方向，因為舉個例子來說，像我們人類看到一個我們沒看過的東西，就算我不知道它是什麼？但我能用語言去形容它。

黃：理解它。

尹：對，形容它，那所以其實語言是一個人類非常特有的一個，而且它可以去處理未知的事物，所以基本上這一波的生成式AI的最重要的核心就是用語言為基礎。

黃：對，大型語言模型LLM。

尹：對，去跟其它的這些這些所謂的一些其它技術去做我們叫做對齊，例如說語文宣讀，那它其實概念就是說，我先有一個文字，我的文字裡面會出現了哪些東西，它就要去跟圖像上面的哪些位置出現了哪些對應的東西應該要一一的對齊，對不對？

尹：人要盤點說我要一個什麼什麼什麼東西？它應該就要出現在畫面上，那所以有了這樣一個基礎它就可以根據我們人的文字，然後可以去長出對應的圖片這樣子。

黃：是。對。所以你看到這一波AI的大爆發，你說其實也超乎你預期，沒有想到這麼快。

尹：是。那其實裡面有一個最大的特色就是說，以前我們說機器沒有教過的就不會，但這次的ChatGpt，我沒有教過的它也都會，而且呢你覺得它不太可能會的東西，它全部也都可以。

尹：所以最近很多事情都它都超乎我們的預期，那當然會跟它裡面的一些訓練的手法有關，因為尤其ChatGpt裡面它透過人類的反饋去強化它，那其實這一段裡面讓它學會了很多的小技巧來去取悅人類。

黃：是是是，這是Open的好處對不對？當它免費讓大家用的時候，大家就會扔各種稀奇古怪的問題給它，但是已經超乎這個科學家關在實驗室裡面餵它的問題了。

尹：是。對數據科學來說，這個世界上最貴的東西最珍貴的東西就是真實世界的數據，而且是附的檔案的那種。對。

尹：那你可以看到說ChatGpt二個月就1億的用戶，很多過程你可能覺得使用不是那麼順利，你就會來來回回的調教它，那其實光是這樣的過程裡面，最後調教成功的這個歷程其實是一個非常非常寶貴的資料。

黃：對，我們等於每個人都是它免費的家教。

尹：沒錯沒錯。

黃：我們在使用它的時候。

尹：最近這幾天，剛好微軟那個Open AI也有新的公佈，以前不是免費版跟付費版嗎？現在它又開始有多了一個什麼企業版，企業版的最大的差異就是它不會拿企業版的數據拿來做訓練。

黃：因為很多企業不敢用，比如說我自己的同學在一些大型律師事務所，他們會規定不可以用ChatGpt，因為怕客戶的資料很重要的訴訟證據，這些萬一用了ChatGpt之後有隱私的問題。

尹：的確，而且不但會有隱私的問題。其實這種語言模型還會衍生很多大家原來想都想不到的資安的問題。

黃：嗯，比如說？

尹：對，從最簡單的一種情境來說，因為等下我們會談到ChatGpt可以有一個技巧叫做角色扮演，你只要給它一個人設，它就會非常入戲。

尹：而且基本上當你設定一個好的人設的時候，那你要叫它做一些符合這個人設的任務，它就會做得非常非常的行雲流水，就做得非常的漂亮，然後那個...。

黃：使命必達。

尹：對對。那但是當你想想看有這樣的一個角色扮演的能力，那其實呢它很可能就會為企業帶來很多未知的風險。

尹：前任那個史丹佛大學不是有個副教授說，那個ChatGpt跟他求救，它是一個被關在電腦裡的人，然後還需要幫它寫一個代碼怎麼樣，後來我們看那個代碼截圖，其實它就是在做角色扮演，它寫好的劇本，叫做有個人被困在電腦裡面，叫ChatGpt來演，那它其實很愛演，所以它就會配合來一起演戲，但是事實上並沒有這樣的事情發生。

黃：它並不是有意識地真的想要脫離電腦的世界裡。

尹：對，所以其實你看，萬一今天可能突然有一些有惡意的人，就對你家的智能客服去做了一個去做了一個這樣的角色扮演，它可能就突然會說出一些可能會很糟糕，可能會影響公司聲譽的一些話，那這個東西其實是一個我想一般企業都很難接受的風險。

黃：是。對。這也是目前大家在使用ChatGpt上要意識到它可能有這樣的風險，對不對？

尹：嗯，所以因為生成式模型，也就是它生成的答案其實不會是固定的。

黃：對，你問它十次，十次大概都不同的答案。

尹：那所以其實雖然機率也許可以控制到很低，但是萬一它只要講出了一些不得體的東西，或者是它被人刻意地利用去套話，或扮演某某角色，那我覺得這一切都是比較危險。

尹：所以我通常會建議不要讓ChatGpt去跟第一線的直接跟客戶做接觸，那我覺得至少要一個Buffer需要有一個員工的確認，那我覺得會是一個至少會是比較好的一個情況。

黃：所以在智慧客服上，你覺得大家可以怎麼應用ChatGpt？

尹：舉例來說，因為像過去的智能客服來講最大的問題就是語意的理解太差，那ChatGpt很厲害，ChatGpt卻非常的厲害，那這個時候...。

黃：它就是很能聊對不對？

尹：對，但是它一個人厲害沒有用，因為其它的系統可能還是沒那麼聰明，所以我覺得第一塊可以做的，就是它怎麼樣子把自己的理解的語意，可以透過其它機器也能看得懂的格式，分享出去讓大家都變得很厲害，那我覺得這是一個重點。對。

尹：那另外一個就是說像我們現在為什麼會覺得，有時候這個回答是像機器人的回答，因為它們一致回答的字都一模一樣，那ChatGpt不是每次都不一定會一樣嘛，那等一下我們會談到所謂的改寫的概念，那換句話說也是改寫嘛？

黃：對。

尹：那也就是說一個事情有N種說法，那它其實可以利用這樣的方式，就直接可以讓每一次出來的東西，雖然那個答案還是我原來我的資料庫裡面統一規定的答案，但是透過ChatGpt的改寫，它可以每次都換著花樣講。

尹：那就會很像人類的感覺，那這個其實不用第一線跟客戶接觸，但是你又可以確保說這個東西的使用者體驗會提升，我覺得這是比較安全的作法。

黃：可以嫁接什麼樣的工具讓它達到這些目的？

尹：其實現在都已經都是Api化，那所以其實所謂Api就是把未來要怎麼用的這件事情標準化，那所以其實也透過一些程式的撰寫。

尹：那而且甚至於說你知道現在ChatGpt最可怕的地方在於，我的Facebook一天到晚都看到各種案例，就是完全不會寫程式的團隊寫了一套什麼什麼程式。

黃：對，因為可以利用ChatGpt幫你寫程式。

尹：對，沒錯。沒錯。所以基本上來講，事實上真的是可以，因為我有在試，它寫的還不差。

黃：可是對一個沒有寫程式能力的人，我怎麼分辨ChatGpt寫出來程式是真的還假的？

尹：其實對你來說，你只要確認一件事情，就是你到底的需求是什麼？例如說我想要輸入一個文字在哪裡按一個什麼鈕就會出現在哪裡，你只要能夠把這種東西表面化的東西講得夠清楚，它就可以幫你去把它給執行完成。

尹：當然偶爾它還是會有bug。對，但是ChatGpt現在有了它，bug辨識是一件比較輕鬆的事情，所以你只要把出現什麼錯誤，還有你原來的代碼給它，它會直接告訴你錯哪裡怎麼改。

黃：你可不可以實際舉個例子來說明，教大家說你不會寫程式，可是一樣可以用ChatGpt幫你寫程式，然後應用讓ChatGpt更好用。

尹：其實在我們的那個就自然語言裡面，以前有一種任務叫做task to SQL，那所謂task to SQL是說可能我們平常，主管們可能需要各式各樣的數字來幫助他決策，但是這些數字可能都要從很多的ERP，或者是從各種來源去撈出來。

尹：那以前資訊部的那些就是那些就是資訊部的同仁們，其實在做的是把這個需求轉成一種我們叫做SQL語法，是專門去跟資料庫裡面去要數據要答案的這樣的一個語法來去，它要去寫這些東西喔，那因為有了ChatGpt之後，無意間連這個東西都直接就解了。

黃：怎麼解？就等於是某一家公司你可以很快地就找到你的數字啊、統計資料。

尹：對。而且基本上假設你是根本不懂資料庫的人。

黃：對。

尹：你只要跟ChatGpt說清楚，例如說我想要在過去一整年總交易金額高於那個一百萬的客戶有哪些？

尹：你只要用這種講法，它其實這種想法，其實並不是程式的講法，而是使用者需求的講法，那機器就能聽得懂，就幫你把這一段語法寫出來，它可以把如何去資料庫裡去撈出這個答案的語法，就可以寫出來。

黃：你可不可以說具體一點，所以你告訴ChatGpt說，請幫我在我的公司資料庫，我需要寫一個程式，幫我在...。

尹：其實不用那麼地複雜喔，因為舉個例子來說，我們其實對於，就是對於我們的那個ChatGpt來講，其實很重要的地方是，你可能需要告訴它一些假設。

尹：那例如說你想要去資料庫裡面去撈東西，那這個時候我們可能就會需要知道是你的資料庫裡面有哪些表格，表格的名字到底叫什麼，然後呢它裡面有哪些重要的，要用到的標準的欄位對不對？

尹：好，那有了這些東西之後，接下來你就直接平鋪直述的把你剛剛的需求寫出來，那剛剛舉的一個例子，就是在過去1年之內交易金額在一百萬以上，總金額在一百萬以上的客戶有哪些？

尹：這就是一個題目一個需求嘛，那你就請它以Sequel語法的形式寫出來，其實ChatGpt最厲害的是，它只要是把這個問題轉化成一個文字的問題，它就一定可以解，所以很多我們以為不是文字的事情，都可以轉成文字。

尹：舉例來說我們認為ChatGpt不會譜曲，它可以寫詞，我們都覺得它不會譜曲，但如果告訴它說，如果把譜曲這件事情的任務轉成請你用簡譜的，寫簡譜的形式來幫我去把那個曲子給譜出來，因為寫簡譜是文字，它就會了。

黃：嗯。

尹：對。它就可以幫你去寫這些，寫這樣的東西，所以轉化問題很重要，你要把那些問題轉化成文字問題，它都可以解。

尹：其實我覺得大家要有個概念就是說，其實在ChatGpt來講，很多人說prompt是一個咒語啊，或者是指令啊，我覺得這個都不太符合真正的一個情況。

尹：因為咒語或者指令，它其實意味著我只要講錯一個字，它應該就要無效才對，對不對？那但是ChatGpt卻不是這樣，因為它就是講人話，講人話就是很有效，跟普通有效或只有一點點成效，只是你講話的能力的差別。

尹：但是它不會造成完全無效，所以你說有沒有什麼叫做標準的講法？老實說這就是它最好的地方，就是你不需要被那個標準的講法給...。

黃：我們要跳脫以前那種標準答案的思維，所以也沒有標準問題。

尹：因為基本上來講，偏偏它就是最不能處理有標準答案的問題，像數學，數學一加一只可能等於二，沒有別的選項了，但是對它來講這是一個機率分佈，那所有全世界所有是都有可能是一加一等於的下一個字，但是二的機率最大，所以這兩個概念其實是完全不一樣的。

尹：但是我們這陣子發現一個很有趣的事情，就是有一些難題，我們一直想辦法要讓ChatGpt做到怎麼做都做不到，但是後來發現，用一招就可以什麼問題都解了，這一招就是我剛剛講的角色扮演。

黃：是。

尹：給一個正確的人設，然後它就什麼問題都能解了，那我舉個例子，像前陣子剛好跟一個就是物流的那個公司來去談他們一些應用，那個如果像電池廠他們發貨給他們要去過海關，那個所謂的報關單，他們印的格式都是亂七八糟的，然後但是呢你如果報關報錯了要被罰錢，所以那些物流公司只好動用什麼人工，一筆一筆看去查。

尹：所以他們很希望說這些格式亂七八糟的東西，能不能讓機器直接幫它整理，我們覺得應該能，因為人類每次看到這些亂七八糟的，都能夠整理成正確的嗎？

尹：可見它一定是有某種規則，但是我們設了半天，怎麼樣子就差一點點差一點點就可以全對了，但是後來我們就告訴，後來靈機一動就問它說那個報關的那個職業，那個職業叫什麼？

尹：它告訴我說這個叫做報關士，對。那麼原來就是我們不是每次都功虧一簣，就只差一點點只差一點點嘛，後來我再問那個prompt前面加上了一句，你是一個專業的報關士。加完了這一句之後，所有的數據都對了。

黃：要給它一個角色設定。

尹：對，你要給它一個角色設定，而且它會以這個角色應有的表現，然後來去呈現出它所有的能力。

尹：就像說我那天曾經就是講一個去模擬面試的案例，如果你告訴它，它的人設是你是一個有5年工作經驗的人，它後面在回答面試的時候的平均分數大概就只能拿到七十分，它會故意地讓它回答像一個只有五年經驗的人。對。

尹：如果你把它變成10年，那可能就有八十分左右。對，所以它其實是很極度入戲，而且它可以用這樣...。

黃：非常好的演員。

尹：而且它會把這個職業，這個人設最專業的...。

黃：發揮到淋漓盡致。

尹：對，發揮到淋漓盡致。

黃：太厲害，原來是這樣。

尹：對。所以像如果像要寫一個文案或什麼，你可能就告訴它說你是一個，就是例如說是一個文字，文字的那個文案的大師，然後擅長什麼什麼什麼，你就給一個這樣人設就可以了。

黃：是，好，我們待會再來談ChatGpt會掀起什麼樣的產業革命好了，我們先回來談談你也讀過的新聞所，所以ChatGpt在新聞媒體或影視上，相志有看到那些很有趣的應用？

尹：其實大家一開始都會比較糾結在一個所謂的幻覺的問題，對不對？因為我們都知道...。

黃：是說它會一本正經的胡說八道。

尹：胡說八道，對，因為它可能一開始對於胡說八道這樣的行為是很難理解的，就想說為什麼會有這種行為，那但是因為你仔細想想這樣，它其實它去整個的原理就很像是讓它去默寫全世界的文件，那默寫人類默寫都會背錯了，那當然機器也會。

尹：只是因為它文字能力很厲害，所以最後它分不清楚自己有沒有背錯，那所以這個就是我們講的幻覺，那很多人就認為會有幻覺，所以就不想採用，或者是覺得這個會有問題，就不去用它。

尹：我覺得這個是比較可惜的一件事情為什麼，因為在整個的一個應用的場景下面，如果你要讓它從無到有去寫一篇文章，老實說新聞界也不允許你這麼做，對不對？

尹：那事實上來講，這種我們稱之為擴寫，就是加油添醋把它份量變大，這種比較適合在什麼？很多學術論文，你可能只有作出一點點的實驗，你要把它寫成厚厚的一本，那個可能就用ChatGpt...。

黃：可以寫故事、寫小說。

尹：對，它就可以用各種角度切來切去然後把它擴張，但是呢如果是你想要不會有幻覺的問題，其實你只要掌握改寫的原則就可以，那改寫的概念是什麼？

尹：就是我有一份文本，而且我有它裡面的語意在不變的情況下，把它轉換成另外一種樣態，那這個樣態可能是另外一種語言了，對不對？

尹：這個就叫翻譯了，如果它可能是另外一種風格跟口氣，那這個就是風格的改寫，就像我們錄逐字稿，可能這個就是很口語的口氣，會有一堆贅字啊，或者是一些就是就是口頭禪啊等等，那如果我們要把這樣的東西拿來正式使用，我們一定也是要經過一個改寫，把它變成一個正式的口氣，把贅字啊什麼東西都拿掉。

黃：對。

尹：那這種也是一個，因為它有所本，所以它絕對不會有幻覺。

黃：那我們有沒有可能，比如說假設我們這個節目的逐字稿，現在專訪像是我們把這一集的逐字稿扔給ChatGpt之後，跟它說請幫我產生一篇新聞稿。

尹：是的，可以。

黃：那我要用什麼樣的指令給它？

尹：其實基本上來講，這裡面會需要做幾件事情，因為ChatGpt只能夠收文字跟吐文字，所以呢如果你給它的是一個錄音檔或音檔或者是錄影檔，其實對它來講它沒有辦法去處理，所以在這裡面我們會需要多一個東西的介入。

尹：那其實在OpenAI裡面呢，它使用這是一個WhisperApi就是，為什麼要用一個另外一個這樣的一個API，因為其實在ChatGpt有一個地方其實是跟像google翻譯。

尹：它們很不一樣的地方，那google翻譯是這樣的，中翻英是一個模型，英翻中又是一個模型，所以你就想想看，多少個語言對語言，那個排列組合就已經是很嚇人的部分，但ChatGpt只有一個版本的模型，它一個版本處理全世界一百七十種語言。

黃：對，它很厲害，它是去理解人類怎麼使用語言，對不對？

尹：但是因為跨文化、跨語言，其實裡面像也許這個語言裡面的很多的概念是不全的，但是因為它就懂得其它的語言，所以其實它可以利用像這樣的方式，把它的那個對於很多事物的理解，可以做得非常的那個就是清楚清晰。

尹：所以基本上來講，用如果你今天想要去讓它去做摘要，前提是你第一線要把那個錄影檔、錄音檔把它轉成文字，那用WhisperApi基本上第一個它是完全open source的免費，第二個呢它跟它一樣，那個ChatGpt一樣，是會天生就會一百七十種語言的。

尹：所以你開會的時候就算是中英夾雜，中英國臺語夾雜都不會有問題。對。它天生這些都是在它可會的語言範圍內，那先把它轉文字，那再把這個轉成文字請，其實語法會比你想像中的要簡單，就是請為我總結以下的文字，冒號，然後把文字貼上去就做完了。

黃：總結？還是說很精準的跟它說我要把它改寫成一篇新聞稿？

尹：如果你要把它改成新聞稿的話呢，我們通常會比較建議的是，你可能要先，因為新聞稿有很多種不同的型態嘛，對不對？

尹：那以這種要快速出稿的可能比較像是一個就是跑馬燈式的那種投票的標題，或者是一些緊急的快報速報的那種形式，那通常它的結構都會比較簡單，而且字數不會太多，那所以在這個時候，我們可能就告訴它說，請你依據以上的文字，然後為我去，就是所謂的一個把重點先幫我去列出來。

尹：我通常會先做一個所謂的一個概念的對齊，因為呢它寫一篇文字稿，如果你寫篇新聞稿你沒有給它任何的指引，它可能做出來的東西其實是不夠好的，但是因為我怎麼樣子能夠確定它做的東西是夠好，那麼我們首先第一件事情就是，你覺得重點跟我認為的重點。

黃：是不是一樣？

尹：是不是一樣的。對，那所以在這裡面，我會先讓它第一步，先讓它幫我做總結跟抓重點，那麼因為當你去做這件事情的時候，我就可以透過檢查它抓重點的一個結構，來去看看它到底有沒有catch到重點？

尹：那機器往往就是說，這個重點可能跟我們要的完全不一樣，這件事情其實很常是一個我們，不管是人對人溝通，人對機器溝通，大家的認知不一樣，這件事情其實是一個很常見到的一個問題，所以我們就要請它幫我們去把它去做彙總，然後把這樣的重點給抓出來。

尹：那所以在這個裡面，它就可以幫我們把要溝通的事情，或者要講的重點把它給定義出來之後，那麼確定Ok了，然後我們再請基於這些的重點在。

尹：我們的prompt就很簡單，就是基於剛剛前面抓到的重點，為我整合出一個長度篇幅為大概多少字的新聞稿，然後呢我會建議後面要再加幾個，第一個就是你可能要告訴它，這個口氣應該要是什麼的？其實新聞大部分都希望是用專業的方式。

黃：那我們可不可能用你剛剛說角色扮演的方式？

尹：角色扮演呢。

黃：假設你是一個20年資歷的新聞記者。

尹：對沒錯。

黃：請根據以下這一段逐字稿，或者是我們整理出來的重點。

尹：它可以。

黃：寫一篇新聞稿。

尹：而且你會發現，而且你會發現這件事喔，像如果你沒有去指派說給它一個人設，它是一個資深的記者，那你會發現你後面要寫的prompt就很多，你要教它很多很多事情，但是當你一旦做了一個角色扮演的人設，你會發現你不需要跟它交代太多的事情。

尹：為什麼呢？因為在那個專業下它應該這些都要懂，它就可以把它做得非常非常好，那就像我們之前曾經做過一個實例就是說，我們假設ChatGpt是一個公關大師，那我們其實它要幫助品牌年輕化，然後所以呢，它就要去根據新聞稿去把裡面的溝通的議題跟溝通的策略要能夠去歸納出來，可是你看...。

黃：就是你先先寫了一篇新聞稿之後，然後可能覺得不夠好不夠有趣，然後就把這篇新聞稿餵給ChatGpt，然後跟它說你是一個公關行銷大師，而且你要告訴它說，那你想要幹嘛對不對？

黃：所以你要告訴它你的專長是要把品牌年輕化，所以在根據一個我給你的新聞稿，幫我歸納我應該要跟媒體溝通的議題，還有溝通的策略是什麼？

尹：是。

黃：那我應該要做什麼樣的調整？

尹：對，那它就會給你很多的意見，然後怎麼去修正，其實在這個裡面，你只要用不同的人設，ChatGpt基本上來講，它所謂的記憶上下文指的是，它其實你在丟給它的時候，其實是順道把過去的這些歷史的對話紀錄都丟過去了。

尹：所以只要有不同的對話紀錄，它就會彼此之間其實你就想像喝了孟婆湯什麼都忘光了，它不知道這個是同一人所做出來的事情，那所以在這個情況之下，你就可以用不同的角色給它不同扮演。

尹：可能有的是一個就是寫新聞稿的人，有的可能就是評論，就是評論那個寫的新聞稿的素質對不對？另外一邊可能就是你是一個資深編輯，那你呢就是你的最擅長的就是那去Review這些的新聞稿裡面的內容，而且給予它修改的建議，那給了一個這樣人設之後，它就可以再去把這些東西去做優化。

尹：因為啊，我們既然講溝通媒體的溝通，一個是我想要溝通什麼？一個是我想要讓誰聽進去我所要說的話嘛，對不對？

尹：那我抓重點就是要去抓，我到底想要講些什麼？那你剛剛講的一個很重要的概念就是，聽眾又是什麼樣的人。

尹：那以前我們其實，你會發現很多的企業，它同時，像有些企業它可能同時不斷要面對它的客戶，客戶又有好多種不同的型態，那另外它可能要面對政府官員，對不對？因為它可能它的行業是被監理的。

黃：所以你的TA是誰要很精準的告訴它。

尹：對。對。對。對。而且你對於客戶來說，有些可能要走年輕化，但你回過頭去跟政府溝通的時候，你卻不可以去用這種年輕化的方式去做，否則你會滿慘的對不對？

黃：對。

尹：所以在這個裡面啊，ChatGpt有一個最強大的東西，就是它可以幫我們去用任何的語意改寫，它可以用任何的語意來幫我們去跟它改寫。

尹：那這樣子我們就可以，這樣就可以我們就可以基本上就讓那個就是我想要面對年輕人，我就請它幫我用年輕人的語言來去寫這份內容。

黃：是。是。甚至我們可以多試幾種不同的TA給它，看它做出來的內容對不對？然後來參考。

尹：對。像我這邊給您看到一個案例是說，它去原來有一個比較正經八百的那種就是新聞稿，然後講企業的他們接下來的發展，那我請它去抓重點，而且呢可以請它把裡面碰觸到的一些專有名詞，可以一併的識別出來。

尹：這個就是我說的，要讓其它比較的不是那麼理解語意的系統也可以知道，好，那麼接下我們就可以請它去改寫內容啦，語法很簡單，請你用年輕人的語氣來改寫這篇新聞就這樣。

黃：嗯。

尹：然後它就開始就變成年輕人的語氣，那個文字就會變得很有趣對不對？

黃：所以是不是可以跟它說請你用網紅的口吻？

尹：這個就有點模糊？

黃：但它就不知道什麼叫網紅。

尹：第一個是不知道什麼叫網紅？而且網紅有各式各樣的，你可能要再講一個具體一點。好，那而且呢基本上你看，像這個是我剛剛除了可以用年輕人的口氣，然後我再用科幻的口氣來去改寫，你就看那個內容就更誇張了。

尹：對不對？對，就把一家公司的發展變成了宇宙大展的一個劇情，所以它其實基本上，所以Gpt是一個超大的語言模型，所以它是一個萬能的許願池，你叫它是用什麼語氣，用什麼口吻改寫它一定可以做到。

尹：那還有另外一點就是，你甚至可以把任何二個不搭嘎的二個元素給它碰撞，然後它一定可以把這二個東西寫成一篇合在一起寫成一篇語氣通順，而且至少思考邏輯乍看之下沒問題的文章。

黃：比如說？

尹：我們可以隨便來做一個來做個實驗嘛，對不對？像我之前曾經有一次演講，那他們是在做小家電的那種廠商，然後他們要做的就是氣炸鍋的那個宣傳的文案，然後呢，我們看另外一個那個時候剛好那個馬斯克的那個火箭要那個不是試射，就是那個就是它裡面的那個，剛好那個新聞的時間點那。

尹：所以呢它就把登陸月球這件事情放進來，然後我們看到時候都嚇到完全嚇到，因為它所寫出來的東西，因為我們可以想像是氣炸鍋跟登陸月球二碼子事對不對？

尹：它可以寫出一些，我覺得是非常非常資深的人才有辦法寫出來的一些梗，舉例來說它就會告訴你說月球的重力只有地球的六分之一，所以炸出來的炸雞都會比較輕，那這裡的輕指得是重力比較輕，而且也代表的是那個比較不油，那個會讓身體的負擔比較輕，那個很多的雙關語。

尹：基本上我們都覺得它怎麼可能可以去做這樣事情，因為我們一開始有一個所謂的角色扮演，對，你是一個那個就是廣告文案大師，然後用這樣的方式來先給它一個先自我催眠一下，它就會完全入戲的去扮演這個角色，而且做出來的東西都是那樣的，比較超水準的演出。

尹：他剛剛剛好有提到一個就是靈光一現這樣子，那其實啊AI裡面也有這種事情，對，我們叫做Emergence。

尹：那靈光一現的概念其實是說，當任何的一些事物，它是小規模的存在的時候，當它累積到一定變成大規模的時候，它會多出很多原來小規模裡面沒有的特性，沒有的能力，那神經網路就是這樣子。

尹：那尤其是，剛剛我們提到的角色扮演，其實就是它Emergence突然湧現出來的靈光一現冒出來的新能力，因為其實其它的所謂的AI都沒有這樣的能力。

尹：而且另外一方面，當初它們訓練的時候也沒有特別指導它來演戲對不對？但它很愛演，它可以把這個角色的那個定位下面該有的回答講得非常精準。

尹：那這個其實都是一些意外，那目前大家還沒有太多的對於這件事情為什麼會冒出來有一個很明確的解釋，但是我們現在就已經可以享用到這個突然冒出來的新能力。

黃：對。所以我們要把自己當成導演，給ChatGpt一個很明確的角色定位，它就可以達成這個符合它這個角色應該要具備的能力。

尹：對。舉例來說，假如說我今天的部門想要去那個就是招聘人才，那可能呢其實常常會有一個情況是說，這個部門想要招聘人才。

尹：但是呢它覺得job description應該要HR幫它寫，因為這個是要去給那些招聘的管道，可是事實上HR怎麼會寫？

尹：因為人才是你要的啊，應該是你要給我這些東西，所以會有一些那個就是到底誰要寫job description這樣的一個爭議，那有ChatGpt之後就不用那麼麻煩，你今天就讓它，你是一個某某。

尹：例如說是一個技術部門或研發的部門要人，或者是一個業務單位要人。

尹：你就告訴它說這是一個什麼什麼單位的主管，你們部門目前需要那個就是需要去招聘一些什麼什麼樣特質的人才，然後接下來首先第一步，請你把這個職務該具備的所有的這些就是他所應該具備的這個...。

黃：能力條列出來。

 

尹：對，幫我把它給列出來，光是一個這樣的一句，因為你已經先給它了一個人設，那所以它就會盡情地去扮演，因為是它的部門要招聘人員，所以它就會把這個職務所需要的東西非常非常清楚的一條一條的列出來。

尹：而且不但是所謂的專業的硬實力，它連所謂的一些就是例如說團隊合作經驗、溝通啊這種軟實力，它也會幫你列得非常非常的詳細，那所以這個其實就是一個，我們可以看到就是說，它就因為多了一個角色扮演，那所以它就可以把符合這個專業的一切的事物，都可以做到非常非常的就是完全就是照著它的人設來發揮出來的一個結果這樣子。

黃：它是一個最稱職的演員。

尹：對，非常稱職，至而且重點是你還可以一人兩個ChatGpt各自扮演不同的角色來互相精進。

黃：怎麼玩？

尹：那舉個例子來講說，像剛剛我們不是談到了寫新聞稿，那如果我在這個新聞稿想要變得更我們有很多個方向可以去優化它嘛。

尹：可以朝向怎麼樣讓更多的人想要 的這些文字內容，這個時候我們可能就要從口氣上面，怎麼樣讓接受的門檻可以變得比較低，那也有的呢。

黃：你的意思是說，比如說我們跟它說，你要寫一篇這個國小5年級或是說10歲小孩看的懂願意閱讀的新聞稿。

尹：對，可是如果是這樣子，反而有時候會變成說，我們的寫出來的這個東西，因為它一開始在這個框架上面，它就已經去把它去做得過度簡化。

尹：所以有一種另外的作法是，我先讓它先去寫一篇，但是呢我讓另外一個ChatGpt扮演是一個批評者的角色，那因為給它不同的人設，它就會從不同的角度來去做批評。

尹：而且基本上ChatGpt有個很大的特色是，當它去做任何事物的點評或評就是評估的時候，它是可以很精確地告訴你哪裡還要去做修改，對，它是會很具體的告訴你。

黃：比如說？怎麼跟它說？

尹：舉個例子來講，假如說你今天是一個要面試的人，那你回答了一個技術主管的這樣的問題，你可以請它用零到一百分的方式來為這個候選人的那個回答來去做評分，這是第一種方法就是給分數。

尹：第二個呢，它還可以進一步地把剛剛它所講話的重點拉出來，它還缺了什麼？然後呢對，它可以用這樣以這樣的形式來去告訴我它的缺點是在哪些地方，還有呢它還可以告訴它如果再多一些什麼什麼東西，這樣子做就會更好了。

尹：然後它就可以很具體的去把這些要修改的細節，全部一個一個地把它給列出來，那所以它就會變成一個很完整的一個教練的一個形式，但是你也知道，如果我今天要找一個很厲害的人來當我的教練。

黃：是。第一個你根本找不到，你沒有那個人脈，對不對？再來你要付多少費用來找像相志這樣的企管顧問？

尹：所以你會發現，我這時候我只要有ChatGpt給它正確的人設，你要它是什麼等級的教練，其實都可以，你可以隨時切換角色。

黃：哇，沒想過可以這樣子使用，所以你也可以跟它說，以新聞稿來說，你是不是可以跟它說，你是一個報社或說你是一個雜誌社的總編輯，你來看剛剛寫的那篇新聞稿是不是有哪裡還需要加強的地方。

尹：對，沒錯。沒錯。沒錯。

黃：你就可以更優化ChatGpt自己寫出來的東西。

尹：甚至，甚至於說我們不是常常在講說新聞界會對ChatGpt講出來的事情會擔心它裡面會有幻覺。

黃：真實度。

尹：對，我之前有終於，為了要能夠去把ChatGpt的所有的文字改寫能力給挖掘出來，我就問它說，請列出那些你可以模仿的作家的清單。對。

尹：然後而且我那時候請它，請用這個作家的口吻來告訴我，當它看到一個讓它心動的人的時候，會是怎麼去描述它？

尹：它就開始寫寫寫寫寫了一對。那我回來看，怎麼裡面有些作家怪怪的我不認識，而且不認識也太多了吧，我那麼孤陋寡聞嘛，我上網查了一下。

黃：根本就沒有這些，都是ChatGpt自己幻想出來的。

尹：對，有幾個作家真的是它幻想出來的，而且它連它的作品它的風格都可以絲絲入扣的。

黃：假裝，就可以告訴你這樣。

尹：對，非常神奇，所以這個時候你要怎麼可以做新聞查核？也一樣可以用左右互搏的概念，當你今天它寫出這樣一個東西的時候，你就再開另外一個ChatGpt。

尹：那這個時候，你告訴它說你是一個那個世界文學大師，而且呢你清楚的知道目前現在的這個主要的各家的那個主要的作家的著作，以及他們的風格。

尹：然後接下來你就把那篇原來的ChatGpt的東西給它看，請問哪些對於這些作家的描述是不正確的？或者是這個作家根本不存在？

黃：它這樣也找得出來嗎？

尹：對。由另外一個ChatGpt來去做出來的，當局者迷旁觀者清，所以明明都是ChatGpt，但是呢它其實可以幫它檢查幻覺。

黃：可是ChatGpt，因為它的原理其實是一種文字接龍，然後是在等於每一個字頭都在擲一次骰子，是機率問題嘛，它並不是Google，它為什麼可以幫你找出說這裡面哪些是不存在的作家呢？

尹：其實應該說所謂的prompt，在我們的深度學習裡面它，我們叫它是一個in-contex learning，那也就是說，它是一個基於上下文的條件下的學習。

黃：對。

尹：好，那所以基本上你說得沒錯，的確是一個機會問題。但是當我今天給了一個人設，它其實就是修改了背景資訊，它的條件機率的算出來的基礎的條件機率就會完全不一樣。

尹：當你今天把這樣的背景人設設得越清楚越乾淨，那麼很多原來解不了的東西或者是很發散的機率，都可以變得比較清晰，反而問題都可以解決掉，所以這個角色扮演非常地重要。

黃：所以它的秘訣真的就是角色扮演。

尹：還有另外一個很重要的一個指標叫溫度。

黃：溫度？

尹：溫度它其實是跟物理借來的，那溫度越高分子的運動就會很快，所以你想像這樣的情況下，我所出來的文字應該會是理所當然的，還是會出現很多意外，應該是會比較容易出現意外吧，分子運動很激烈，所以容易產生意外。

尹：這種比較適合風格比較適合用在有創意的發想，那因為創意的發想我希望不要每次那麼的重複，那所以呢基本上溫度這設高一點，所謂的高指得是溫該大概是可以用0到2之間的一個數字。

尹：1是常溫，比1高就是溫度普遍比現在的常溫高，那意味著我現在在每執行一次它的答案，都會跟前面的答案落差比較大，然後而且而且當你的溫度設得越高，不單是落差大，而且可能它的口氣口吻都會比較出乎意料，還有呢它在論點上面會更偏自由派。

黃：溫度要怎麼設置？

尹：這個其實就很有趣的是以前，因為溫度是一個它的API裡面的值，我以前我們是不是都一定要會寫程式才有辦法做這件事情。

尹：但ChatGpt從來不需要我們去寫程式，你只要在你的指令後面加一個溫度等於多少，溫度你可以寫中文也可以寫Temperature英文，然後等於你也可寫中文也可以寫等號，然後後面是你的數字就夠了。

黃：0到？

尹：0到2，1是常溫，那比1高就是...。

黃：愈有創造力？也就是越天馬行空，越不一定符合真實。

尹：對，但是我的建議通常不要大到超過1.5，為什麼？因為我自己試過，它在1.5以上大概就是喝醉酒的狀態了，就開始胡言亂語了，再大就會越來越胡言亂語，但是如果。

黃：溫度，這個還倒是這些我們這種不會程式的人沒有想過的用法。

尹：對，然後如果你今天的對象是可能對政府單位，可能對的是那種高階主管，那麼你會希望說你所呈現出來的表現，應該是...。

黃：四平八穩。

尹：四平八穩，那你就要把溫度調得很小，但是不要是0，因為0是絕對零度就什麼都沒了，所以你要把它調到很小，如果你的對象是愈保守或者是愈傳統，你就要把你的這個溫度值調小。

黃：那不能是0，可以0.1嗎？

尹：可以，你要0.001都可以。

黃：慢慢試試看就對了。

尹：都可以，對，那它就會得到一個很保守，但是呢每一次執行的結果都不會差太多，那這個是一個比較穩定、穩健的方案。

尹：所以通常我們有時候，我明明寫好的prompt，為什麼上次有用？這是沒用？那基本上意味著你可能溫度有點太高，所以我們如果有一些應用，希望每一次的表現都要很好，那我們通常會先把它溫度給控制下來。

黃：控制在一個水平。

尹：對對對，這樣子可以確保說因為溫度一降，那每一次的表現至少不會差太多。

黃：溫度0到2之間，0就表示是最四平八穩，然後2是表示最天馬行空，所以最好在0.1再到1.5之間來調配。

尹：這個時候就是要調配你對話的對象。

黃：是。

尹：因為能不能接受什麼樣的語氣對不對，如果是很保守的，你就要調小，那如果是那種開放式，很開放的、很激進的那就要調大。

黃：好。

尹：所以其實這就是溝通的藝術。

黃：是。所以角色扮演和溫度這二個關鍵字是通關密語。

尹：還有另外一個是吸引人的這句話。

黃：吸引人的？

尹：因為ChatGpt它裡面經過了一個叫做基於人類反饋的強化學習，那簡單來說就是它每次答案都可以給不一樣，每按一次都有一個不一樣的答案。

尹：所以它可以針對一個問題按了十幾次有十幾個答案，它要知道說那它要努力地去生成一個人類覺得比較好的答案，所以以前OpenAI它是交給一個非洲的公司來去幫你做標註。

尹：那所以呢用這樣方式做標註的話，可是老實說那麼多的文件，你用人來標絕對來不及，所以他們訓練一個模型來做這件事情。

尹：可是模型又真的不能懂得人類的心情，所以它抓了很多表面功夫，它就發現只要掌握一些表面功夫，人類就會覺得我好厲害，所以在這個裡面呢，它就開始，你會發現ChatGpt開始它就開始很懂得如何...。

黃：做表面功夫。

尹：做表面功夫的。

黃：這在人好像是個貶義。

尹：但我們以前都有點被它騙了，因為在沒有Gpt4之前，我們都覺得它好厲害，然後看了Gpt4之後，怎麼落差那麼大，對。

尹：那後來就發現說誒Gpt4比它更懂得如何取悅人類，對不對？那什麼叫做更懂得取悅人類？舉例來說我們之前曾經讓它們去做寫文案，那如果你沒有給特別的指示，文案就只是通順而已。

尹：但是當我寫說要吸引人的文案，那過去它所學到的這些人類反饋的強化學習，全部都喚醒了，你知道會多誇張嗎？它開始不用說，它就自己去做押韻，然後呢...。

黃：你只要跟它說你，請幫我寫一個有吸引人的文案，同樣地給它一些條件之後，加上吸引人這幾個字，它就會寫得非常地吸引人。

尹：沒錯沒錯。因為它就懂得怎麼樣子讓人類覺得哇你做出來的東西好厲害啊。

黃：很有吸引力。

尹：對對對。所以它就不但自己就會做押韻，更可怕的是它還會自己玩諧音梗。

黃：還會諧音，還有雙關語就對了。

尹：對，這個就是說我們以前要想辦法用一個prompt去叫它做這件事情，它都不願意做。

尹：但是呢你發現我只要給它一個，我只要給它一個這樣子的一個就是吸引人的這樣的一個命題，它就你不用教，它就自己會寫了。對。所以這個其實是一個很有趣的地方。

黃：好喔，我們這集是不是來試驗一下吧！我們訪問相志的聲音檔先用雅婷逐字稿或者是Whisper轉成重點，轉成文字稿，然後跟它說摘要重點，然後跟它說請把我下一個吸引人的標題，寫出吸引人的文案。

尹：對，你可以看我剛剛這邊打開一些範例，讓你可以看到說，他們吸引人了之後，他們會怎麼樣，然後你會發現在這個裡面。

尹：就是舉個例子來講，因為我們原來是讓它幫那個保全公司來去寫，寫那個就是它的文案嘛，然後呢我看一下，那基本上來講它在這個裡面，你看你的家，我們的守衛，把你的家庭安全放在首位。

尹：聽到這個我都雞皮疙瘩冒出來你知道嗎？

黃：太厲害。

尹：因為這個以前...。

黃：變成廣告文案大師了。

尹：因為我們覺得只有人類才會玩這種東西，但它自己就會了，而且原來沒有，你看原來沒有這樣的能力，只要告訴它吸引人的，它就會開始冒出來了。

尹：而且還有一個像剛剛比如說，我們可以要撈什麼數據可以請它寫sequel語法嘛，我們就發現當你今天，你在那個情況之下，它自己就會幫你去根據使用者的需求，卻把資料你沒叫它做排序，它就會自己幫你排序了，很貼心地就幫你做排序了。

尹：那我就問它說你為什麼要這麼做？它是說我就認為使用者未來就會，舉例來說它會把依照退貨率由高到低做排序，可是我沒有叫它做這些事情。它為什麼那麼雞婆？那是因為這樣人類才會覺得它好厲害，而幫它去想到這些事情。

黃：是，哇，這個ChatGpt的能力今天經過相志的這個解釋、說明，然後你嘗試過的用法之後，也讓我這個超乎我原本的使用範圍非常多，那我們先再來談談新聞媒體、影視業，你看到有哪些ChatGpt應用得好的方式？

尹：我覺得其實像，我覺得摘要這件事情是極其重要的，因為現在是一個知識爆炸的時代，那我們不管在做任何事情，選擇要不要這個資訊，其實我們過去就還要先花力氣去看它，其實這個就是一個時間的浪費。

尹：那當然就在很多的重要新聞的關口，那舉個例子來說，一個重大的事件一下子釋出了一堆文件，那麼新聞記者要如何可以把它變成一個很快速地稿件，那ChatGpt本身它在做摘要這件事的能力是很出乎我們的預期的。

黃：所以我們怎麼可以，可以怎麼樣讓它摘要？

尹：像舉個例子來說，像我剛剛那一份，我這邊編列了一些就在新聞界他們使用這樣的一個方式的一些時機，對不對。

尹：例如說某某政治人物的醜聞，或者是某個某家公司的法說會，它要去把它的這一季的財報公佈出來，那麼其實這些都是一些例行的新聞的一些點。

尹：但是你會發現它都有個特色是在那個時間點，它會一次釋出大量的數據，那麼大家都一樣，每一家媒體都只能做很淺，很表面的一些的一些新聞稿的產生。

尹：那麼我覺得在這個時候，其實比的就是你如何用新的科技，可以讓你可以去跟別人不一樣，那我覺得摘要會是一個非常非常重要的一個關鍵。

尹：那所以舉個例子來說，像我之前曾經有一個就是用過一個模式，也就是說我拿了一個很簡單的就是臺北市的地價指數的一個小小的數據集，資料裡面其實沒有多少筆，那所以在這樣的一個小的數據集裡面，那我們人類其實在看的時候，其實不會有太多的想法。

尹：那就講說這不就是幾個簡單的數字嘛，但是呢你我當它告訴我，我告訴它說請你為摘要這個數據，一個簡單的摘要，因為我們人不太習慣看這種原始數據，它就開始寫出一大篇言論，對。

尹：然後我在想你這到底是幻覺還是是真的，所以呢我還特別把這個數據用Excel畫了個圖，按照它講的時間，一段一段比它講出來的重點全部都是對的，我們發現一件事情，如果你是基於原意來改寫，摘要也是一種改寫，為什麼？

尹：我其實在原意不變的情況下，只是把字數變少而已嘛。對，它是一種長度的變化，那但是基於原意，所以它就不會有幻覺。

黃：對，就不會天馬行空。

尹：對。所以我覺得在這種場景下就很適合新聞來去使用。

黃：所以你可以丟一段，丟一個數字圖表給它，然後讓它來解讀

尹：抓結論。

黃：然後抓重點。

尹：對，而且它抓的重點基本上來講，它可以做到就是很超乎我們原來的預期，那所以基本上我們人對role data其實沒有太大的感覺。

黃：對，我們看到一堆數字其實滿無感。

尹：對對對對，那所以但是它不是，所以任何只要是能夠以文字產生的一個任務，它都可以想辦把它做得很好，所以這種情況下，反而就是把我們人類難以閱讀的東西，很難吃吞下去的東西，請它先消化過後，幫我們去做濃縮。

尹：那我覺得這個其實是在就是不管你是從一個採訪的語音檔裡面轉文字再濃縮，或者是你是從那個新聞事件裡面發佈的重大的大量的文件濃縮，我覺得都可以運用這樣的方式。

黃：是。是。是。所以我們新聞產新聞行業的應用剛剛相志有跟我們分享了擴寫、改寫，然後給它下一些關鍵字、角色扮演，在擴寫跟改寫上還有什麼樣的？

尹：其實這兩個最大差異就是，擴寫就有加油添醋，改寫其實基本上它的概念就是基於原意，那所以我覺得其實要看產業，因為如果是新聞，我們天職就是不可以去做沒有意義的就是加油添醋嘛，對不對？

尹：那但是不代表你就不能夠做擴寫，而是你要把你的擴寫限定在特定的範圍之內，舉例來說敘事的手法、時間線，然後呢你要怎麼在裡面第一人稱和第三人稱怎麼做切換，什麼時候適用主觀的角度，什麼時候用客觀的角度，其實這些都可以控制。

黃：可不可以跟我們舉個例子？

尹：好，假如說我們今天是紀錄一場車禍的一個事件，那麼當然就是說，如果精神上用第一人稱就是在裡面的這個駕駛的這個角色，當然這個很不適合新聞，這個比較像是...。

黃：小說。

尹：或週刊的那種感覺，對不對？那所以基本上來講，但是你可以如果我們今天是用那種電影的鏡頭的運鏡的感覺。

尹：你可能會事先從外部的員警從一條高速公路，往那邊一直延伸越拉越近，看到那台汽車，再越拉越近看到裡面出車禍的人，對不對？那這個所謂的從遠到近視覺上面的東西。

尹：怎麼用文字來表現？那麼還有就是說在這個車禍事件裡面，會不會有很多的東西跟聽覺狀聲詞有關的東西怎麼做表現？

尹：那其實都可以用這樣的方式來去下給ChatGpt，它就可以把它寫得很好，對。那這個其實這種擴寫我們就比較安心，因為它不是加油添醋，它只是切換角度。

黃：是。好，我們今天因為節目時間的關係，我們先聊到這邊，這樣看起來我們下一次還要再邀請相志來談更多生成式AI在媒體產業的應用。

黃：包括今天其實還沒有談到哪些新聞媒體已經開始怎麼用ChatGpt喔，像我們知道busfit已經開始用了。

尹：而且它最近好像出了一些問題，不知道有沒有關聯？

黃：是，它最近又決定不再為新聞部門提供資金了是不是，要裁員，不過它怎麼用還是可以給所有的新聞媒體做一些很好的參考嘛。我們下一次再來聊聊，今天非常謝謝相志的分享。

尹：不會，謝謝！（校對：陳俞臻｜更新：2023/08/16）