人工智能與人類的混成推薦

現在網路的工具越來越智能，特別是在 Chat GPT 出現後，發現原來機器已經可以回答我們各式各樣的問題。這是透過自然語言處理（NLP）技術，複雜的數學模型和演算法讓系統理解和運用人們所使用的語言。例如，Google 翻譯就是一種 NLP 技術，只需輸入需要翻譯的文章，系統就能輸出翻譯好的語言。

傳統上，機器回答問題的方式是讓機器閱讀大量文章，計算單字和句子出現的機率，然後回答問題。但這種方式可能會產生回答的語句結構錯亂的問題。現在，深度學習和機器學習等技術使機器能夠查看前後文，例如 Google 的搜尋引擎就是深度學習模型下的成果，有助於讓 Google 更了解網友搜尋時的目的，並呈現最符合其需求的資訊。

波士頓大學的基婭拉·隆戈尼教授與維吉尼亞大學的盧卡·西安教授在 2022 年的研究，將人工智能演算後的推薦稱之為機器口碑（Word-of-Machine），與傳統的口碑（Word-of-Mouth）相比，消費者對於購物的目的會造成人工智能推薦偏好或是抵制的現象。對於消費者而言，會認為人工智能的推薦是基於演算法的設定，因此對於有目的性的搜尋、理性的評估等較為功利型購物比較可信。反之，若是基於情感、漫無目的或是閒逛等較為享樂型購物，消費者會比較偏好人類推薦者（表 1）。[1]

當我們需要查找特定資料時，網站的推薦會被視為重要的參考依據。例如，在Google搜尋時，Google的搜尋結果是基於網友較可能點選的項目，因此我們認為Google搜尋結果符合我們的需求。另一個例子是Chat GPT，它的回覆往往被視為比較理性的建議。

當我們沒有明確目的或是有獨特偏好時，我們可能會更傾向於選擇網友推薦的項目，也就是享樂性屬性更為顯著。例如，在健保醫療領域，人們通常更願意接受人類推薦的資料，即使兩者的準確度相同，我們仍然認為人類提供的建議更能符合我們的狀態，而非機器設定的普遍模式。

未來，增強智能可能會讓人類不斷提升人工智能的演算模式，使其達到與人類相同的享樂性水準，同時又能依賴人工智能的理性推薦來提升人類推薦的功利性水準。這種混成推薦的模式將更能優化客戶體驗。例如，銷售人員可進行人工推薦，而系統則能分析人工智能推薦，加強銷售人員的洞察力，調整人工智能的演算模式，並找到最佳的混成模式。

企業可以將人工智能推薦視為輔助角色，這樣消費者會更容易接受人工智能的推薦。在Chat GPT中加入一些人類推薦的影子，將有助於增加人工智能推薦的影響力。

作者：陳苡任（台科大企管系博士）、羅凱揚（台科大企管系博士）

繪圖者：謝瑜倩

[1] Longoni, Chiara and Cian, Luca (2022), “Artificial Intelligence in Utilitarian vs. Hedonic Contexts: The “Word-of- Machine” Effect,” Journal of Marketing, 86(1) 91–108.