撰稿：Alrin，日期：2022-12-23
以前的線上客服、電話客服，都是真人在電話的另一頭工作，每天處理著成千上萬、各式各樣的顧客需求。
後來電話語音系統的出現，一部分減輕實體客服人員的工作，另一部份則是省下電話總機人員的開銷。不過那樣的系統說穿了就是一個語音選單，無法滿足多樣化的語音需求。
後來資訊環境出現了兩個較大的變化，催生了人工智慧的發展。
如果仔細觀察過上述的兩種服務，你就會發現大部分的系統都有些問題，聊天機器人也是一種文字選單，只是多出了「關鍵字判斷」，底層和以前電話系統中的語音選單並沒有不同。
不過，透過「類神經網路語言模型」和 TTS 技術發展下，能夠結合上述兩者甚至更多元的 AI 服務可能會陸續出現。
上週我們介紹了用 GPT-4 語言模型所打造的人工智能 AI「ChatGPT」，這週來介紹用系出同門的 GPT-3 所打造的「類神經網路語言模型」（Neural Network Language Model）。
要理解「類神經網路語言模型」之前，你可能要先認識訓練它的模型「GPT」。
GPT（Generative Pre-trained Transformer）是一種建立在網際網路上，並使用數據訓練的文字檔案，並自動產出深度學習模型。
主要用來做「問答、文檔摘要產生、機器翻譯、分類、程式代碼架構、對話」等 AI 處理。
GPT 是來自一家名為「OpenAI」的公司，這個我們在上次的趨勢報告「ChatGPT」中已經有說明過。
GPT 發展至今出現了四個版本，代表這種深度的學習模型一直在逐漸深化當中。
2018 年，GPT-1 誕生，這一年也是 自然語言處理 NLP（Natural Language Processing）的預訓練模型元年。
性能方面，GPT-1 有著一定的泛化能力，能夠用於和監督任務無關的 NLP 任務中。其常用任務包括：