受訪人／尹相志（Allan Yiin） 技術長
編輯／研究員 吳承遠
AI 人工智慧所帶來的是「更寬廣世界」。畢業於台大化學系、台大新聞所的尹相志技術長，無論在理工、程式、甚至邏輯背景都非常突出，更是微軟長期合作的顧問。
尹相志說：「過去覺得到了一個年紀，因為受限專業領域的深耕或天賦等能力，能做的事情範圍容易被定型，我這個沒樂理背景的人，現在僅需幾個提示詞（prompt），我已經在 spotify 上架歌曲！」尹相志的對事物探索的熱情，就跟他的求學領域一樣跳「tone」與精彩。
與 AI 腦力風暴的「創意」之路
剛從 2023 Generative AI 發表完以 AI 撰寫「謀殺小說」的尹相志，再一次用這份例子，跟我們分享與 AI 共創劇本的互動原則。
其實在文本創作上，故事的大結構還是由人發想，這像是一個空骨架中，如何讓人們去塞東西讓它更完整，生成式 AI 在這一塊可以很好的協助文字的補全或是取材等，另外，生成式 AI 的重要意義是「打破同溫層」，尹說：「從歷史來看會發現一個好的文學作家生活似乎都相當苦難，因為只有經歷這些才能做出如此深刻的作品，但現在 AI 可以進行角色扮演，其實好像就不用過得那麼苦難。」
1. 還沒有想法，先請 AI 「窮舉」
對於 AI 互動的初學者而言，一開始都會不清楚目前生成式 AI 能做到什麼程度，建議不用想太多，以科學的「窮舉案例」開始，例如在劇本創作上，針對風格的改寫就是請 AI 窮舉各式各樣的劇本風格，接著就都讓每個風格跑一遍，幫助你思考。
2. 豐富內容，從「名人角色扮演」到「鏡頭語言」
放入更多「人」的元素，除了第一人稱視角的思考外，不能忘記「角色扮演」的重要性，選用不同作家名字來幫助撰寫，然後紀錄哪些作家姓名是有用的，哪些是沒有幫助的，讓取材變得容易很多。
不過尹相志也提醒：「有時候會請 AI 先告訴我有那些作家，但有一些可能是『唬爛』出來的」他建議一定要隨時核對檢查，而且隨著這些嘗試，我們會發現這裡面對這個東西會有一些累積。
你可能開始想還有哪些東西可以測，就可以進行敘事的手法的定義：像是要求 ChatGPT 用倒敘法的方式撰寫；或者是剪接技巧，把鏡頭語言的東西都納入進去。
尹技術長以鏡頭語言舉例提示工程的技巧：「為了讓畫面更多元，會加入如『第一人稱視角、低角度、以無人機俯覽方式等鏡頭角度』；在動態呈現上，也可以輸入像是『快速的動態穿越、或是縮時攝影等指令』，這些各行業的專有名詞，你也可以先問 AI !」
3. 由 AI 擔任專業顧問、與細節工匠
關於劇本設計，最重要的就是不斷跟 AI 對話。舉去年的謀殺小說為例，尹相志撰寫一個 AI 新創公司負責人的連環殺人案，他將幕後主使者設定為 AI 本身，並將某位受害者設定為外送推薦應用程式的老闆。
尹相志說：「為了讓 AI 能夠用合乎物理世界的方式處理掉人，我與 ChatGPT 來回討論了好多次，最後決定以花生過敏的方式謀殺老闆。」
為了讓過程具備邏輯性和合理性，尹相志請 ChatGPT 幫他蒐集花生過敏的生理反應順序，例如先從平滑肌大量充血開始等，才按照 ChatGPT 給的順序去描述生理痛苦的情況。尹相志認為這是非常有趣的過程：「我可以痛快地把很多的醫學生理知識跟創作快速連結，而不用為了創作還要另請顧問。」
「而這些劇本的生成，其實有很大成分依賴『偽代碼』的技巧。」
Pseudocode 與 GPTs
運用「偽代碼」（Pseudocode）技術，可以與 AI 一同製作小說、繪本、動畫影像等文本內容。談及偽代碼的影響，尹相志表示，這就像臺灣有人講國語，有人講台語，當溝通出現問題的時候，就會需要一個會「臺灣國語」的人來加速雙方理解。
所以，以前是人類要學習機器的語言（程式語言）來叫它做事，現在是機器要去學人類的語言來聽我們的指令，但兩邊都有一些問題，主要來自對彼此語言都沒那麼熟悉，所以偽代碼就成了一種平衡兩邊的溝通工具。
尹相志說，目前在流程的設計上主要使用偽代碼設計，例如說迴圈、if 、if-else 等，這種都是用偽代碼來控制，但裡面的執行細節則改用自然語言指令。例如以往要做中文分詞時，需要寫很麻煩的程式內容，但現在只要寫「請根據語意用束線符號將他隔開」就做完了，也就是說執行的細節用自然語言、流程控制用程式撰寫，生成效果會更好。
尹相志也說，偽代碼與一段一段輸入的提示詞差異在於「可以把一些重複性的工作標準化」，例如一個繪本生成過程裡，雖然劇情有所變換，但無論是圖片風格、故事連貫性、和角色一致性等都具有重複性，如果要與 AI 來來回回對話，反而會耗費非常多的溝通成本。
繪本生成需要一連串連貫性高、視覺風格一致的組圖，因此，他會從「一個主題」作為發想，再把主題回盪到每頁裡。而每一頁裡，會有對應的構圖、劇情、與圖片說明，只要先以偽代碼設定好各自的定義後，就會成為一個可以標準化的模式。
所以不管將來要什麼繪本，只要輸入「故事主軸」與「主視覺風格」就可以生成一個新的成果。尹相志曾用偽代碼為小孩子做出「七天份的床邊故事」，他將主題訂為—傳達為孩子傳達美好德性，只要把每篇任務定義好，就能把這七天的主題故事寫出來！
Open AI 所推出的「GPTs」也是一個近期值得關注的議題。GPTs 主要是讓 ChatGPT 付費版用戶可以客製化自己的聊天機器人，而免費用戶也可以使用別人設計好的機器人，完成特定需求的任務或工作。
每個 GPTs 其實只能完成一個小小任務，沒辦法做複雜的流程控制，但可以從單功能變成多功能的複合模型、或是複合流程等。尹相志建議：「我們可以先設定他的功能，例如某個 GPTs 它有五個功能，那可以在一開始就先判斷使用者是需要哪一個功能，就走不同的流程。」
以偽代碼設計 ChatGPT 資料整理工具
另外，可以參考尹相志論文選題的影片，以偽代碼的設計流程，協助研究者尋找題目缺口，尹相志亦將過往學習的「科學方法精神」，用得淋漓盡致。以醫學研究的論文題目發想為例，當時的測試流程：
- 地毯式盤查--先讓 GPTs 去某一個醫療期刊抓了一個主題的30篇相關論文。
- 要求閱讀--需特別下指令要求它一篇一篇讀完，避免杜撰或幻覺內容。
- 根據主題相似性將內容區分--要求它列出確切群數，以及哪一篇論文屬哪一群。
- 要求閱讀分群與提供題目缺口--再請它閱讀完畢每一群中的內容，並提供這一群的中數，然後告訴我這一群裡面的論文裡面缺了什麼角度。
- 針對題目缺口評分--列出空缺的部分都是潛在研究主題，請它按照學術價值、執行難易度、或可能失敗風險等打分數，最後便能做出決定。
不過，談到 LLM 生成內容的核實問題，尹相志坦言 LLM 的「幻覺」（hallucination）確實還是很難解決。
根據哈茲卡·薩吉德整理，幻覺主要來自過度擬合、編碼和解碼錯誤、訓練偏差等因素，造成生成的內容在語法和語義上都是正確的，但與現實脫節，並且基於錯誤的假設，例如杜撰非事實的內容。但有一些小細節可以注意，例如：
ChatGPT 如果真的是在抓資料的時候，它會顯示正在抓取中的提示語句，若是真的有在讀一篇 PDF，它也會顯示正在讀取的提示語句。如果你發現根本沒有顯示就給你答案，那擺明就是騙人的。
此外，幻覺出現的時候，它的論文 DOI 編號可能都是1234567，那個大概也是騙人的。在產出之後要設檢查機制，你可以另外設檢查指令告訴 GPT「請告訴我理由以及標註資料來源出處」，它會比較難騙你，因為騙你的成本變很高，但若你沒有任何的檢查機制，它生成幻覺的可能性就會更高。
AI 的「隨機性」與不一樣的工作流
自然語言將是最重要的程式語言。AI 的理解能力，除了技術之餘，更著重在人與 AI 的互動語言，尹相志表示人與 LLM 的互動仍存在理解落差，當「文生文」都存一定變數時，「文生圖」所帶來的巨大落差更是明顯。
舉知名的文生圖軟體 Midjourney 為例，當使用者需要生成心中理想的圖片意象時，其提示詞主要是由「一堆逗號、與單字元的堆疊」而成，尹相志認為， Midjourney 雖然圖片很精緻，但其實根本不懂句子，「這已經又變成某一種新的語言、或者指令（而非純粹的自然語言），倘若又回到『精準控制』時，就比較不是我期待的方向。」
尹相志認為，AI 迷人之處在於他的「隨機性」，像是 AI 環境的創作概念就跟過去不太一樣，以影片創作為例，過往無論是視覺設計或鏡頭手法，通常是導演腦中已有明確的想法，接著由人去高度控制工具如攝影機、燈光等進行拍攝。
而生程式AI的意義在於它有大量的「隨機性」和「不可控性」，當你越努力想要控制他，其實他就是越難被控制，越想要做到精細的調整，可能只會把自己困得更慘。
尹相志說：「也是這樣的隨機力量，讓人們發現有時候我們腦中想好的東西未必是最佳解。而且我們過去的美學經驗會困住我們，我們容易在一個比較固定的範圍內探索，可是事實上美這種事情沒有邊界，那因為 AI 的隨機性，反而跑出一些很有趣、很神奇的東西。」
未來產業方向
AI 的多工特質，使中小型企業的韌性更強。生成式 AI 的職場時代，讓個體的靈活性、生產力、應用力都快速提升，尹相志認為，與以往大型企業相比，中小微型企業的能供性將大幅提升，對產業環境而言，「並不是 AI 去替代掉的人，而是一個人帶著一堆 AI 可以替代一群人。」
另一方面，尹相志說：「可能也有一些人像我一樣，突然覺得生命能做的事情多了很多，他可能也不甘於待在原來大型企業，便走入中小微型企業」，這將改變以往小微企業不被市場擺在第一位的刻板印象。
第二，大型語言模型的出現，讓今後網站只需要透過 API，很容易就能變成多國語言，尹相志認為「只要不是 face to face 的溝通，LLM 應該都可以解決掉所有的語言溝通問題，跨國型的企業導入成本將變得更低」，以往臺灣中小企業面對所謂大型企業時，容易被「凹」要客製化，要做各種調整，結果做企業的案子錢很多，但也被客製化都燒光了。
尹相志預測「倘若將來中小微型企業為主力，大家都不會有太大的談判籌碼（bargaining power），就會乖乖地根據你給的共通功能來做事，所以比較重要的是：未來在需求蒐集跟功能設計上，需要開始往共同需求，跨國跨文化需求著手，我覺得這一點很重要，因為你已經可以做跨國的生意。」
因此，我們會需要一個更具「抽象化」的能力。尹相志說，以前我們可能走的是專業分工、精準切割，你專門做好你要負責的事情就好。但生程式 AI 的出現讓他看見一個趨勢，如今未必再是精準切割，而是要把好幾本不一樣的書，找出他們共同的模式，共同的抽象化。
就像 ChatGPT 把所有語言都變成一種形式，用來預測下一個字，那這個就是一個很厲害的抽象化，當一次抽象化完成後，就可以一次解決這一類（文字互動）的問題。尹相志補充：「所以其實對於生成式AI來講，不是把問題越切越細，而是要找到共通性，一次性地去解決它，這個思路是不太一樣的。」
最後，關於社會很關心的取代問題，尹相志認為，某些專業領域，像是「品味素養」（sense）的掌握，AI 還未必完善。AI 在生成具有敘事性的分鏡腳本上，仍不及具備專業訓練的導演等製作者。
尹相志說，現在的工具要幫你做自動分鏡，分出來的東西都不太理想，甚至根本把故事走向「搞歪掉了」，而這一塊的專業知識，例如導演受到的專業訓練、和美學素養，恐怕還不是生成式 AI 能輕易遞補的。
然而，AI 在此處的幫助是降低「啟動成本」，在創意發想階段，藉由 AI 的快速生成方便導演與金主們溝通，使構想可視化，尹相志說：「讓溝通誤解的疼痛感降低，這件事情是比較重要的。」
