隨著 ChatGPT 爆紅，AI 應用的商機似乎真的到來。從名稱上來看，ChatGPT 的本質就是聊天，應該不少人很快會聯想到，我們生活中最常用的通訊工具 ─ Line，不也是聊天工具嗎？那…ChatGPT 跟 Line 之間，是否有「合作」空間？不但有，而且很有商機！
文／旗標科技
聊天機器人行之有年，ChatGPT 特別之處就在於使用了最新的「GPT 語言模型」，有獨特的自然語言互動模式，如同與真人對話一般。
GPT 強在哪？
以往的模型多半採用監督式學習，訓練模型的大量文本資料，需要經過專人整理成井井有條的語料庫，才能進行訓練。而 GPT 模型採用非監督式學習先進行訓練，可使用未整理妥當的文本資料，大幅增加訓練資料的多元性。GPT 的全名是 Generative Pre-trained Transformer，中文名稱叫做生成式預訓練轉換模型，從 GPT 的全名可以進一步說明這個模型的獨到之處：
生成式 Generative：指的是模型的輸出是生成文字，GPT 模型訓練的目標要從龐大的資料中，嘗試找出自然語言詞彙在使用上的潛在規律，當輸入端給予一個句子或一段話，模型要能輸出接續在後面、最適當的文字內容。除了生成文字外，目前 AI 也可以生成其他各種形式的資料，包括圖像、音樂、程式、影片、3D 模型等，統稱為生成式人工智慧（Generative AI，GenAI）。
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ，與全球CIO同步獲取精華見解 ]
預訓練 Pre-trained：很多特定的 AI 任務沒有足夠的資料量，因此會針對一般性需求訓練一個通用性模型，然後在此模型之上，再以特定領域的少量資料進行微調（Fine-tuning）。而滿足通用性需求的大型模型，就稱為預訓練模型，通用型的自然語言預訓練模型，也稱為大型語言模型（LLM，Large Language Model），目前最具代表性的就是 OpenAI 的 GPT 模型。
Transformer：是 GPT 模型所採用的神經網路架構，該架構利用自注意力機制（Self-Attention Mechanism） 一次性捕捉序列中不同位置的依賴關係與重要性，有效解決文字等序列資料太長時，無法保留前後關係的難題。而且自注意力機制可以平行運作，有助於加速模型訓練，是目前自然語言處理的主流架構。
用 OpenAI API 快速打造 AI 機器人服務
ChatGPT 是真正稱得上殺手級應用的 AI 產品，讓一般使用者在 ChatGPT 網站上，可以輕鬆體驗到技術教學、文案撰寫、文章翻譯、論文摘要、產生或修改程式碼等應用，確確實實感受到 AI 帶來的威力。同時 OpenAI 也提供付費 API，協助技術人員開發各種 AI 應用，在 ChatGPT 引起眾人目光後，這等於是一班加速找到 AI 商機的直達車，同時也帶動後續許多 AI 新技術的發展。
在 ChatGPT 釋出不久，在日本 Line 社群就率先出現對話流暢性、功能性乍看之下都不輸 ChatGPT 的 Line Bot 機器人，透過社群傳播的力量，很快在台灣也引起熱潮，緊接著各式各樣的 Line Bot 服務就陸續問世，包括 ChatGPT 沒有的語音聊天、英文對話、自動生圖、網路資訊摘要，甚至還有佛祖開示功能。
這些 Line Bot 其實都是串接 OpenAI 的 API 所開發出來的，雖然實際功能跟 ChatGPT 還是有些差異，但只要運用得當，確實可以提供使用者不少有用的服務。由於 OpenAI 的 API 是要收費的，因此目前串接開發出來的 Line Bot 自然也不是免費的，通常發話有一定的額度，超過之後就會詢問是否付費。
如何將 ChatGPT 串接到 Line Bot
Line Bot 的基本架構是，自己建構一個後端的伺服器，並與 OpenAI 串接，然後前端再跟 Line 官方提供的 Line Bot 綁在一起，使用者只要加入好友，就可以開始跟 Line Bot 進行聊天，而使用者發出的訊息會轉交給後端伺服器，後端伺服器處理之後再將要回覆的內容傳回給 LineBot 回覆給使用者如圖 3。
Line Bot 是 Line 官方提供的開發服務，可以到官方網站申請使用；至於後端伺服器，則可以透過 Replit 網站來開發，並在程式中使用 OpenAI API 處理使用者的訊息和回覆，就可以輕鬆打造具備最新 AI 機制的聊天機器人了。
結語
除了 Line Bot 之外，也有不少 ChatGPT 的延伸應用是以瀏覽器外掛或網站服務的形式運作，GitHub 上幾乎每週都有星星數暴增的新專案問世。
更多 ChatGPT 更多官方、非官方的應用，可以參考《ChatGPT 4 萬用手冊：超強外掛、Prompt 範本、Line Bot、OpenAI API、Midjourney、Stable Diffusion》一書。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
