2023年GPT启示篇-内容生产的变革与思考

GPT启示篇-内容生产的变革与思考class="size-fullwp-image-5799851aligncenter"src="/wp-files/2023/04/scrzMcKbB4wkUsE5Vxrr.jpg"alt=""width="900"height="420"/>

之前总结过：GPT转变了人类学问的制造、继承及应用的模式，因此，主要的变革会体现在以上三个方面，而前置文章主要争论的学校教育变革，就是从学问继承的角度动身。

那么，切换下维度，现在从学问创建的范畴入手，并以内容生产为基础场景，提出新设想与落地场景应用。

同样，本文还是从技术乐观主义者动身，叙述GPT对内容生产的变革影响，思索框架如下：

一、内容生产的变革概述

GPT+插件的应用个人认为是技术与业务场景高度结合的产品形态，通俗来讲，就是可以通过配置详细场景提示语，结合GPT的大语言模型力量，完成各种结果的输出。如：微软copilot就是一个很好的例子。

那么，在内容生产方面，我们能有什么比较好的场景应用呢？

认为主要会体现在以下两个方面：专业内容生产、用户内容生产。

1.专业内容生产变革

专业内容，特指各类讨论、技术进展、社会进展、投资理财等层次较高的学问领域，在这领域包含了企业讨论所、高校、政府单位、证券所等机构。

将来的专业内容变革体现在：以AI为主，可由人帮助完成。

依据一份文献[1]表明GPT会重点在以下领域突破：工业设计、药物研发、材料科学、数据合成。

1）工业设计

传统的工业设计一般需要经过以下流程：提出设想-创建原型-补充细节-对原型测试及修正-产品投入量产，这条链路下来不行避开会形成大量的投入成本，并且会产生大量测试产品报废的铺张问题。

假设GPT可以参加到专业内容的制造流程里面，那么从最抱负状态进行评估，工业流程设计的流程可简化为：提出设想及优化调整提示方向-产品验证及评估-产品投入量产这三个部分。

这其中最为经典的例子就是芯片设计，设计师需对晶片排布进行各种尝试，有时会多达数十亿种，这不行能从纯人力层面进行设计，故GPT的应用从成本及效率上就可以尽可能的尝试，这的确是一个值得关注的重点领域，并且现实也有相关企业已经在尝试，如英伟达。

拓展阅读：KhailanyB.，“AcceleratingChipDesignwithMachineLearning”，Proceedingsofthe2022ACM/IEEEWorkshoponMachineLearningforCAD，2022，pp.33-33.

2）药物研发

药物研发领域需要耗费大量的资金准时间，其中一个重点缘由在于：药物研发人员需要从海量备选的化合物查找可供入药的成分，其中化合物的结构本身并不为人知，现阶段单纯以试错的方式推动验证。

后续若引入GPT的生成力量，抱负状态来看，可以快速识别到各种化学物的结构及成分，并且可以对现有的化学物进行重构及修改，从而加速药物研发的速度。其中一个出名的现实例子就是：DeepMind的AlphaFold对蛋白质结构的猜测，有爱好的同学可以自行查阅及阅读。

阅读拓展：CallawayE,“TheEntireProteinUniverse：AIPredictsShapeofNearlyEveryKnownProtein”,Nature，2022，608（7921）,pp.15-16

3）材料科学

材料科学和药物研发同理，设计过程中存在反复试错及验证的过程，引入GPT的效率提升也是存在明显的优势，如德国马普所钢铁讨论所就与多个讨论团队合作，提出了一种新的基于机器学习的高熵合金设计方法。

阅读拓展：RaoZ.，etal.“MachineLearning–enabledHigh-EntropyAlloyDiscovery”，Science，2022，378（6615），pp.78-85.

4）数据合成

另，还存在一个领域数据合成，这可能单独作为一个通用领域来理解更为合适，因各行业存在需要高度匹配行业特征的数据诉求，而AI进展离不开数据，GPT单独为每个行业供应高度适配行业特征的数据样本，从而加速行业进展，这也是很有讨论价值的领域。

2.用户内容生产变革

用户内容，特指旅游推举、营销推举、视频文字创作、生活常识等用户层面的生活领域，在这领域包含了人人都是产品经理、小红书、知乎、bilibili等公共媒体及视频平台。

将来的用户内容变革体现在：以人为主，可由AI帮助完成。

用户内容学问体系较为发散，可能涉猎范围许多，并且主观层面上又因人而异，故若特定领域进行争论，可能不太简单开展。因此，个人认为从用户内容制造的几个关键节点动身更为合适。

1）内容审核

一般比较正规的公共媒体平台，都会有内容审核的环节，包含政治敏感话题、黄毒赌非法内容、种族卑视等，现阶段已经引入AI帮助的功能，即标签、识别模型等AI力量来支撑审核人员的工作，但目前其最终内容的决策还是需要人力介入，比较耗费人力成本。

后续引入GPT，由AI替人类完成了决策化的任务，则能从根本上提升审核人员的效率及准度。

GPT场景应用示例-视频审核

以上的设想原型基于GPT介入视频审核节点，实时生成并标识视频标签（该标签由GPT自动对视频内容总结归纳出的标签，非视频播放提取出来的标签），便利审核员定位视频片段，并呈现AI审核的结果，其中该结果可以从更加通用及人性的维度进行审核并决策。与现有的视频审核（人工规章+场景化设计）相比更为精准，这其实也是进一步解放生产力的应用。

2）数据及内容供应

GPT接入会大大缩短制造内容的时间，主要体现在数据或者素材的供应方面，现有内容创作其中最占据用户创作的时间的就是查找报告、制表、检索材料等方面，有了GPT+联网的力量，自然可以大幅削减这部分的时间，其实在现有市面产品中，已有相关平台在投入运行了。

即时AI应用-素材创作（来自即时设计官网）

但个人应用起来功能层面还可以再提升，包含更加精准的识别用户诉求及效果。

3）分析及创作方法

因创水平不一，许多时候用户内容创作存在肯定的误导性及不精确     性，这方面不能说是用户层面的问题，而是整个用户内容行业急需解决的问题，不能因噎废食。

设想若接入GPT的力量，我们可以借助其系统化、专业化的指导看法，来丰富我们创作理念，从而输出更为优质的用户内容，这无疑是AIGC的一个有价值的点：让创更加回归创作目的及思索过程，从而输出更为有深度有质量的内容，而这里面用户需要做的就是prompt，即更为详细的反馈提示给到GPT。

二、后记及总结

总结：本文从GPT重构了学问创作的维度，基于五大思想派别之一的技术乐观主义者动身，结合内容生产的两大领域：专业内容生产及用户内容生产，并指出主要变革体现在：

将来的专业内容变革体现在：以AI为主，可由人帮助完成将来的用户内容变革体现在：以人为主，可由AI帮助完成并借此展望及争论了一部分场景的应用可行性。

另，值得一提的是，关于内容创作的争论，并未包含艺术创作这方面，理由主要是：

艺术创作，包