人工智慧正在驅動一場新的科技變革，在你我的生活裡，留下各式各樣人機互動與抗衡的足跡。而對於ＡＩ能否取代或超越人類的議論，也在大型語言模型與數據的迅速研發下，對人類帶來不少衝擊與擔憂。
然而，我們仍在新世代下，追逐屬於自我的創新與溝通力。
在這次的演講中，將由中正傳播學系劉榮樺教授與我們一起探討人工智慧議題，劉榮樺教授除了在傳播系所開設人工智慧與大數據等相關課程，也結合自身所學背景，關懷人文藝術與科技領域，本週內容將以新聞與傳播產業作為主要焦點，一同聊聊現今人工智慧生態的革新以及其所帶來的利弊，也藉此尋覓與ＡＩ共同成長的可能性。
-
主題：從ChatGPT到DeepSeek：生成式人工智慧生態變化對於新聞傳播領域的挑戰與機會
講者：劉榮樺/中正大學傳播學系助理教授
日期：04/23（三）
時間：14:00~16:00
地點：社科院R227
歡迎踴躍前來聽講！
✯ 當日演講文字紀錄 ✯
紀錄：朱珍儀、邱意涵
改變世界的劃時代技術——生成式 AI ，如今已經對多個領域產生龐大影響，劉榮樺教授於本次的 C-Club 探討生成式 AI 對新聞傳播領域帶來的變革與挑戰，梳理了生成式 AI 的生態變化，涉及新聞的生產流程、事實查核、傳播倫理等多面向，透過文獻和實際案例，比較 ChatGPT 與 DeepSeek 等模型的技術演進和個別差異，並講述生成式 AI 在目前新聞產業的應用與現況。
生成式 AI 對新聞傳播之環境影響
首先，生成式 AI 正在重塑新聞生產流程、編輯標準，以及媒體的可信度與公信力。當 AI 產生之內容成為常態，其即時性與真實性將直接影響公眾對新聞的信任，此外，我們也將面臨傳播倫理、政策制定以及管理等一系列新的挑戰。透過文獻回顧與分析，可以比較不同生成式AI模型的技術與特性差異。近期中國推出的 DeepSeek 生成式 AI 模型發展迅速，其開源模式與高性價比引人注目，所需的耗能與算力相較於 ChatGPT 更低。
劉榮樺表示，研究發現 AI 能夠顯著提高新聞的生產效率，像是自動化撰寫財經快訊、個人化內容推送等等，但同時也帶來虛假資訊泛濫、編輯人員轉型以及公眾信任危機等問題。目前，各國政府與相關機構已開始著手規範 AI 生成的內容，針對 AI 生成內容的版權歸屬以及是否需要添加浮水印等問題進行討論。
生成式 AI 對新聞傳播的另一項重大影響是個人化新聞的發展，過去的推薦系統主要基於內容或協同過濾等方式，蒐集的資料量有限，客製化程度也較低，而現在的技術能夠更精準地分析個人偏好，跨越產業界線。例如在使用者附近有體育賽事時，直接推薦相關購票資訊。生成式 AI 還可以實現跨語言的自動翻譯與內容擴散，為新聞的傳播帶來了前所未有的便利。
劉榮樺教授強調，在生成式 AI 用於新聞領域的過程中，必須注意透明化的重要性，使用生成式 AI 進行報導應明確告知大眾來源，秉持該有的倫理與監督，建立大眾對媒體的信任。
臺灣生成式 AI 發展現況
隨著生成式 AI 技術的快速發展，以及各項應用的導入，各國科技巨頭、 AI 新創企業皆致力於打造大型語言模型，而臺灣也有多個團隊正在進行，劉榮樺教授介紹了目前臺灣的生成式 AI 發展。由國科會研發的 TAIDE ，本身依賴合作單位，而 Metasource 資料有限，沒辦法回答各種層面的廣泛問題，也可能出現回答錯誤或回答不盡人意的狀況；鴻海自行推出 FoxBrain 模型，採用 Meta Llama 3.1 為基礎架構，內容涵蓋數據分析、決策輔助、文書協作等功能，後續將對外開放原始碼；聯發科開源全新 MediaTek Research Breeze 2 多模態基礎模型群，實現繁中 AI 助理，提升繁體中文知識。劉榮樺教授表示，可以看到模型本身需要大量資料和訓練，當擁有廣泛的訓練資料進來之後，才有可能去表現得更好。
新聞自動化：從結構化數據到生成式AI的演進
事實上，新聞自動化並非今日才開始，早在2012至2014年，就出現利用AI撰寫財報、製作廣告新聞稿等，早期的應用主要集中在以數字為主的結構化資料，而現在的生成式AI技術，像是《洛杉磯時報》能在短時間內寫出當地關於地震的報導，顯示AI在新聞時效性方面的潛力。
在現今的環境下，機器人記者已經成為常態，指的是利用軟體自動生成新聞稿的系統，用於處理結構化題材，例如《美聯社》與 Automated Insights 公司合作開發的Worldsmith系統，自動編寫財報快訊，使財經新聞產量增加十倍；《路透社》使用生成式 AI 分析市場價格，德國 《DPA 通訊社》透過自動化系統撰寫體育報導和法院簡訊。生成式 AI 針對前述之格式固定、來源具可信度的題材，發揮相當穩定，也讓大眾難以辨別該內容是由人類所寫或是 AI 生成。
ChatGPT 與 DeepSeek 之生態
在眾多生成式 AI 模型中， ChatGPT 系列與 DeepSeek 代表兩種不同的發展路線，前者由少數科技公司主導的封閉式創新，以追求極致性能為目標，後者著重於開源協作，已開放模型建立業界協作標準。 ChatGPT 採用堆疊海量參數為主， DeepSeek 則透過蒸餾技術（Knowledge distillation），將大型複雜的深度學習模型的知識，轉移到較小、更簡單的模型，利用微調方式，將大量高品質的問答資料應用於模型訓練，使其在短時間內表現出接近甚至超越 GPT 的準確度，又 DeepSeek 採用混合專家（MoE）架構，大幅降低單次推理計算量，整體模型之核心優勢在於運算效率和優化，引起世界關注。 ChatGPT 的權重和參數對外保密，引發透明度和演算法偏見的疑慮，相較之下， DeepSeek 開放模型供大眾使用與微調，小量的記憶體就可以在自家電腦上安裝，避免 AI 公司控制 API 流量，蒐集各國資料獲取機密訊息， MCP 與其他工具對接，需要注意的是若國家機構要使用，由於無法檢視參數正確性，因此可能會有答案出現偏見的情況。
生成式 AI 衝擊新聞業：流程、信任危機與倫理考量
生成式 AI 的發展正在深刻地改變新聞產業的生態，組織開始在工作流程的各環節導入 AI 技術，例如協助輿情分析、整理摘要，同時也帶來新挑戰，傳統編輯把關流程的嚴謹性，可能難以應對 AI 生成內容，容易使責任歸屬變得模糊，隱含錯誤訊息或不當措詞，導致嚴重後果。
假新聞的問題在 AI 時代變得更加嚴峻，生成式 AI 能夠模仿新聞寫作風格，生成看似專業的報導文本，進一步模糊真實與虛假的界線，各項調查顯示，大眾對網路上的假新聞感到擔憂，一旦大眾得知媒體使用 AI 生成部分新聞內容，可能會產生質疑、不信任的情緒。國外調查發現，多數美國民眾不希望由AI提供新聞，劉榮樺教授強調，由 AI 生成的內容應要加予說明註記，否則此現象將會侵蝕媒體可信度。
在倫理層面，生成式 AI 在新聞傳播中的應用引發了諸多討論，其中路透社、法新社等媒體已經明確禁止使用 AI 合成圖像描述真實事件場景，如何在追求效率的同時，維護新聞的真實性、客觀性和公正性，是媒體需要重新考量的問題。而記者作為資訊的把關人，其角色和勞動方式也面臨「人機協作」的轉型，新聞媒體必須要去思考記者的價值為何，重點在於，導入 AI 技術並非是取代人工，而是讓記者專注在更有價值的報導，以及投入深度調查。
生成式 AI 新聞的挑戰：信任、倫理與法規發展
劉榮樺表示，目前受眾對於 AI 生成新聞的態度仍較為謹慎，多項調查顯示，許多人對 AI 生成新聞的真實性和可靠性表示擔憂，如何在 AI 應用中保存新聞的專業性和中立性，是贏得讀者信任的關鍵。倫理問題也是 AI 在新聞領域中重要的議題之一，由生成式 AI 模型生產的內容，是否構成侵權、抄襲、誹謗等法律問題，這之間存在著爭議，訓練資料固有的偏見，也可能導致無意中強化刻板印象或偏見。這些議題已經在各國展開討論，例如美國發布《 AI 權利法案藍圖》；歐盟規定由 AI 生成之內容必須增加標示和移除功能；中國則要求所有AI生成的影像、圖片和內容須添加浮水印。制定明確的規範，要求對未經證實的資訊進行標註，並建立嚴格的信用機制至關重要，現今的傳播倫理與政策管理進入新階段，強調自律與他律結合，共同訂立規範。
✯ 問答Q&A ✯
Ｑ1：有提到說把 Deepseek 安裝到個人電腦上，請問一般 PC 可以嗎？
A1：可以，一般電腦就可以，若遇到問題可以用一些方法去微調和設定去完成。現場做示範的 Character.ai，可以模擬很多角色，例如習近平、Elon Musk、面試官、諮商師，但也因為虛擬人物的真實感，曾造成一些遺憾，嚴重有數則自殺案例。
Docker desktop 擴充記憶體 updating WSL；與 Cursor 進行對話，示範訂機票流程，創建基本 React TypeScript 專案，創建訂機票的主要組件，體現 AI 模型可以和真實世界串連；Ollama 上加裝 DeepSeek 模型 7B（70億參數） 型號映像檔，使用 curl 指令範例，就可以進行問答，因為不會聯網，所以相對安全性較高。
Q2：前面有提到 AI 解省時間和人力，讓新聞工作者可以做更多具有創造力的事情，您覺得目前新聞業中有什麼具有創造力的事情是可以去發展？
A2：記者角色產生變化，不再只是單純跑現場然後做分析，使用 AI 建立 3D 模型、影片，新聞有新的專題和新的樣式要去挑戰，可以想像 1999 年和 2025 年新聞之間的差異，並且重新定義什麼是記者、什麼是新聞產業，不再是討論會不會被 AI 取代，而是 AI 的潛力它可以幫助我們看到什麼不一樣的世界。