ChatGPT | ChatGPT及其在供應鏈的發展潛力

Author Name: Tiffany Lee – Marketing Analyst at FreightAmigo

ChatGPT的崛起

在科技快速發展的時代，很多人都對電子設備產生了依賴。機器的便利性、效率和簡單性，加上近年開始應用人工智能高技術，慢慢改善人們的日常生活，但同時也逐漸取代在工作中（包括供應鏈）“人”的崗位。

Chat Generative Pre-Trained Transformer，簡稱ChatGPT，是由OpenAI開發的人工智能聊天室。開發者在大量文本數據庫上進行編程，使 ChatGPT 能學習並應用在不同領域。作為亞太地區領先的數字供應鏈金融平台，FreightAmigo 借此細談這項新技術，其在開拓新領域的優勢和局限性，以及它在物流和供應鏈工業的潛在用途。

FreightAmigo 使用人工智能和大數據，可以幫助您一鍵比較最佳的快遞、空運、海運、鐵路和卡車貨運物流方案。

即時報價

人工智能 – ChatGPT

於 2022 年 11 月首次推出，截至 2023 年 1 月已擁有超過 1 億用戶，使其成為迄今為止增長最快的消費者應用程序。 ChatGPT 建立在 OpenAI 的 GPT-3 大型語言模型之上，以學習人的心理結構和言語模式，以給用戶作出類似與人對話的答覆。

根據 IBM 分析，“這項計算機程序使用了人工智能 (AI) 和自然語言處理 (NLP) 來理解客戶問題並自動作出答覆，模擬人與人之間的對話。” 通過結合機器學習、深度學習技術以及大量數據，ChatGBT 能夠理解對話的上下文，模仿語音模式，撰寫文章。因此，在未來制定決策上，結合數據分析已不再是工作的一部分。決策人需要學習和適應這些新興人工智能技術，並充分應用在公司運營上，將對各行各業提高競爭力方面發揮關鍵的作用。

ChatGPT – 新領域科研對物流和供應鏈的技術影響和發展潛力

首先，ChatGPT 在物流和供應鏈實踐中最有效率的用途 —— 客戶服務。根據西班牙 Esade 商學院的Esteve Almirall 教授分析，ChatGPT 可以滿足現時供應鏈產業上的需求：“至今，應用聊天機器人與客戶的互動還不是很成功，如何充分利用人工智能解決客戶的疑難雜症仍是一個懸而未決的問題。”

ChatGPT 具有進行模仿人與人對話的能力，這可用於處理日常查詢，例如報價、跟踪貨物、提供相關政府和公司政策的物流信息。這將加快整個預訂流程，並最大限度地減少由於缺乏人工客服而導致延遲答覆的問題，避免潛在客戶的流失。

在供應鏈方面，ChatGPT 可用於業務和庫存管理服務，例如通過簡化倉庫操作來選擇供應商，並通過檢查實時信息來自動化庫存管理。人工智能技術可以應用在重複性和耗時的任務，例如數據輸入和庫存跟踪，以提高效率，減少人為錯誤，並最終降低運營和資源成本。

在物流方面，ChatGPT可以在風險評估和管理方面發揮很好的作用，因它可以基於最新的新聞報導或以往的天氣報告來預測並選擇最佳航運路線，以避開潛在或已知的惡劣天氣區域。同時AI技術也可以使用於處理基本交易上，例如設置參數，推算最佳運輸路線，最適當的車型或計算精確的交貨時間。還可以根據物流供應商的商業認證、過往的索賠、延誤、或事故記錄，以及所用的船/飛機的平均使用年限等來協助和推薦最佳方案。根據供應商的財務實力、歷史表現、基礎設施等採購，以確保交易不會與受制裁的個人或公司進行。

另外，ChatGPT在未來數年中定會對社會和人們的日常帶來影響，例如比較日常購買物品的價格、規格、優缺點和可負擔性，人們將不需要在生活瑣碎的事情上花時間做決定。

ChatGPT的技術限制和隱憂

雖然聽起來ChatGPT的應用範圍還是很廣的，但在這幾個月的初始測試後，一些使用者發現 ChatGPT 的存在問題。ChatGPT 的一個重要限制是輸出的質量取決於用戶輸入問題的質量。換句話說，越精準的問題可以生成更準確的答案。同時，由於它的回答模式被設定模擬出讓用家感覺正確的答案，這個答案可能會讓人誤以為是正確的，但實際上是完全錯誤的。

另一個 AI 聊天科技面臨的擔憂是它可能會傳播錯誤的信息。ChatGPT 沒有搜索互聯網的能力，它只能使用從訓練數據中學習到的信息來生成回應，這提高了生成錯誤信息或過時數據的幾率。ChatGPT 只能訪問到 2021 年或之前的信息，而并非像谷歌這樣的常規搜索引擎，可以搜尋最新的信息。因此，如果你問 ChatGPT 2021年後之後發生的事情，它將無法像 Google 一樣給出實時的回應。

在供應鏈和物流領域，我們仍需探索才能知道如何正確應用ChatGPT。如果因不能連接互聯網，ChatGPT可能因誤判或過時的數據而作出錯誤的物流或采購建議，這可能會導致更大的損失。巴斯大學智能倉儲和物流系統中心主任 Vaggelis Giannikas 解釋道：“在我們直接將其用於工業用途之前，我們需要更多地了解技術的工作方式。無論信息是真實的、猜測的，還是完全是錯誤，都需要更多的時間去理解和再進行科研。”