2022 年底 ChatGPT 聊天機器人推出後，它理解文字和產出內容的能力顛覆了全世界人類的想像，上線後僅短短 5 天內就超過 100 萬人註冊使用。這一切始於生成式人工智慧 (Generative AI) 的技術，其應用場景從 ChatGPT 可以針對使用者問題給予相應的自然流暢且具體的回覆，翻譯文章、撰寫論文、劇本、小說，甚至是寫電腦程式碼等 B2C 需求轉移到 B2B 的輿情分析、智能客服、行銷科技、健康助理等，以及 B2G 場景，從單點爆發轉為串聯式應用，並為發展許久的物聯網、智慧城市注入新動能。
在網路輿情分析服務中，陸續推出相關AI Agent技術應用。為了充分發揮生成式AI技術優勢、提高內容精確度與降低應用成本，必需採取明智的使用策略。由於生成式AI計費方式與提示內容和產生內容的數量呈正相關，因此，提示內容的設計方式是影響效能與成本的重要因素之一。同時，當提供生成式AI相關服務時，善加利用已產生的內容也能減少使用次數，進一步節省成本。根據上述概念，史丹佛研究團隊提出三項關於生成式AI的使用策略：提示調整(Prompt adaptation)、大型語言模型近似(LLM approximation)和大型語言模型串聯(LLM cascade)。
提示調整是指透過設計良好的提示內容，避免加入與產生冗餘的資訊，並能更精確地生成所需內容。在進行大量輿情分析時，可以運用多樣的自然語言處理技術，事先對海量資料進行去重複、精簡化和雜訊過濾等處理。接下來，根據分析服務的類型，先將預處理後的資訊與合適的提示內容結合，再交由生成式AI生成分析內容。相較於直接將所有資料交由生成式AI分析，若能運用良好的提示調整策略，不僅能獲得更精準的分析內容，也能夠節省資源並更快地完成。舉例來說，假設希望生成式AI能參考已知的故事情節和寓意，並基於不同的故事情節提供相應的寓意。一種直觀的自動化方法是，在每次提示中都包含一個已知故事情節和其寓意，再附上一個需要生成寓意的故事情節。然而，在實際應用中，我們可以根據字數的限制，僅提供已知故事情節和寓意，然後列舉多個需要生成寓意的故事情節。範例中可見，提示包含「國王的新衣」的故事情節和寓意，以及「賣火柴的小女孩」和「夜鶯」的故事情節。如此一來，我們可以從生成式AI的回覆中，同時獲得這兩個故事情節的寓意。通過簡單的提示調整可以減少生成式AI的使用次數，並且獲得所需的多個故事寓意。
大型語言模型近似策略則可以視為對 ChatGPT 產生內容的再利用。在大量且持續的輿情分析工作中，部份分析的資料內容可能相當相似。在繁複的分析流程中，並非每個步驟都需要再次使用 ChatGPT 來生成內容，而是可以直接使用先前已生成的資訊。如此一來，在擁有大量或頻繁的分析需求時，就能避免 ChatGPT 大量產生相似的內容，從而顯著減少 ChatGPT 的使用量。此外，將生成的資訊用於訓練資料，也是一個值得探索的方法。這樣可以提供資料對於既有的模型進行微調，進而改善模型的效果。隨著分析需求的提升，大型語言模型近似的策略越能發揮更大的效用。當接收到另一個提示內容為「提供故事的潛在涵義」時，可以運用文字探勘相關技術進行內容比對，確認是否存在相似內容。若有相似內容存在，則可以將之前獲得的相關內容返回。我們看到了「提供故事的寓意」這一表述，而非「提供故事的潛在含義」。透過內容相似度的比對，我們得以確定「潛在含義」與「寓意」在此指涉同一概念，即便向 ChatGPT 提出詢問，所獲得的回應亦會極為相似。同時，在前一範例和以下範例，我們可觀察到，對於「故事的寓意」以及「故事的潛在含義」的探問，所獲得的回覆呈現相近之特點。
最後一個策略是大型語言模型串聯，顧名思義就是使用多個大型語言模型。隨著大型語言模型的發展，不同的語言模型在各種任務上都有不同的表現，目前仍未出現一個全面領先的語言模型。此外，不同語言模型的計費方式也各有差異。舉例來說，對於輿情分析中常見的情緒分析任務， ChatGPT 並不是效能最好的模型；相反，若使用專注於情緒分析的模型，則能獲得更高的準確度，並可能不需要花費任何費用。針對不同的任務，選擇適合的語言模型至關重要，才能同時提升效能並降低費用。在同時考量成本與品質的情況下，可以採用 GPT-3.5 和 GPT-4 的混用方式。在前面的範例中，都是使用 GPT-3.5 產生「賣火柴的小女孩」故事寓意，而下面的範例則是由 GPT-4 產生。比較前後兩個範例的內容，可以發現品質差異不大。由此可知，對於部分的任務而言，使用 GPT-3.5 足以產生高品質的內容。
儘管上述策略近期才被提出，但大數據(股)公司技術中心團隊早已深入研究、運用及開發相關技術與策略，以提供企業品牌在網路聲量、輿情分析獲取快速且高品質的服務。特別是在《KEYPO大數據關鍵引擎》的全新「KEYPO AI智能輿情分析」功能中，我們同時運用了多樣策略，提供可靠且穩定的自動化分析服務功能。此外，持續進行研究與開發，並不斷優化或提出全新行銷解方，以應對市場變化去調整，才能在長期使用下，持續創造最佳效益。
想了解更多全台首創結合「KEYPO AI智能輿情分析」的《 KEYPO 大數據關鍵引擎》輿情分析軟體強大功能了嗎？請立即與我們聯絡以取得更多資訊。
相關文章
你被炎上了嗎？在高度監管產業中， 生成式AI如何協助管理B2B公關危機？
近期在台灣發生多起航班誤點、工地坍塌、廠房火警等大型事故，企業在經營的過程中，難免遇到各種危機，就像一個人生活中免不了犯錯一樣。通常絕大部分的錯誤並不至於毀滅一個品牌，但關鍵在於是否處理得當，做好停損，特別是在高度監管產業中，商譽和信任至關重要。從數據洩露、產品召回、法律糾紛到媒體負面報導，企業需要迅速且明智地行動，以最大程度地減少損害並恢復品牌可信度。在危機期間，尋求一切可能的專業支援至關重要，而其中一個可能成為幫助的來源是 AI 人工智慧。隨著公共關係中AI技術的日益普及，尤其生成式AI能提供快速、一致和多語言的回覆，並同時收集有價值的數據，從而改善危機溝通。以下是在高度監管產業中，平時管理B2B公關危機的一些作為：
從電影到現實， 生成式AI讓你也能擁有鋼鐵人的超級智慧助理
在網路輿情探索中，自動化分析報告可被視為一種繁瑣且細膩的自動式服務。傳統上，需要花費大量時間和人力資源收集資料、進行分析，然後撰寫與美化報告。然而，隨著 AI 人工智慧和自然語言處理技術進步，自動化分析報告不僅可以主動收集和整理數據，還能從中提取關鍵訊息、進行情感分析、主題建模等多樣分析。這些報告能夠以易於理解的方式呈現對於網路輿情的數據分析和洞察內容，協助使用者更快速地掌握核心資訊。
生成式AI為分析AI助手 四大面向洞察網路聲量數據
不論是為維護企業品牌形象，還是掌握市場最新情報、競品動態，都離不開品牌監測，尤其消費者的想法是無時無刻隨意變化，若夠掌握消費者動態改變和互動，就意味著能預測顧客的未來需求，並更能協助企業確保行銷策略是否產生期望的結果。因此，分別使用社群聆聽 (Social Listening) 來鎖定熱門話題和相關標籤增加互動，及使用情感分析來了解品牌表現與好感度，都是非常重要的。