隨著AI人工智慧與GPT生成式預訓練轉換器的登場及快速進步，許多人類可以進行的事情陸續被取代。即使現在還沒有被取代，在不久的未來也會被取代。

理論上來講，凡是人類動腦可以做到的事，GPT幾乎都可以做，寫文章當然不在話下，甚至連寫學術論文也很快就可以越做越好。

剛開始的GPT，往往只能執行簡單的任務，而且還要有非常明確的指令。然而，不難想像，最新的發展正在朝向Auto-GPT，也就是讓更具有統整性的生成式預訓練轉換器去執行更完整的任務。基本原理是把一項比較龐大而複雜的任務，拆分為多個子任務，然後逐一完成。

舉例來說，先前版本的GPT，比較像聊天，只能進行比較簡單的一問一答，提出具體的問題之後，AI從網路等資料庫去尋找答案。例如提問諾貝爾經濟學獎得主寇斯的交易成本理論在說什麼？GPT就會找到可能的資訊來回答。進一步的GPT版本，可以提問：過去幾年傳播學使用寇斯交易成本理論的期刊論文有什麼研究成果。再進一步，就可以試著具體提問：根據寇斯交易成本理論的某個應用模式，如何分析特定媒體的經營模式。

當做到這一步，撰寫學術論文的主要內容幾乎都有了。學界要怎麼面對這個挑戰？

當然，有人會說，Auto-GPT的原創性未必足夠，而且可能存在很多問題，包括不同時間的輸出會有不一樣（對某些使用者來講，這應該更好），以及內容可能有所偏差，也可能出現抄襲的問題。其實前述這些問題，由人類來寫論文一樣可能存在，絕不是GPT才會犯的錯。認真來講，GPT犯的錯可能遠比人類少。

由於GPT提供的解答，多半以現有的資料為基礎，所以如果是想要撰寫在理論上比較有突破性的學術論文，例如博士論文或是比較強調創新的期刊論文，Auto-GPT目前多半還做不到。但如果只是要撰寫創新性不高的應用性論文，例如很多碩士論文或是不要求理論創新的期刊論文，相信Auto-GPT很快就可以做到了。屆時，學界應該怎麼面對？

答案其實很簡單，科技的浪潮不可逆轉，不接受Auto-GPT，或許就像清朝末年抗拒火車一樣，不理智也不可行。

面對Auto-GPT的到來，可行的因應對策應該就像現在看待應用軟體，例如應用統計交給SPSS等套裝軟體計算即可。高深的研究，例如在理論上要做突破的，Auto-GPT短時間內還難以取代。至於包括碩士論文在內的應用研究，未來不妨鼓勵學生使用Auto-GPT，就像現在應用統計研究借助SPSS，只要學生在口試時能對研究概念與邏輯說清楚即可。

Auto-GPT能幫忙寫出文獻回顧及研究發現，現在卻還不能把內容直接讓使用者在腦中內化，要靠使用者自己理解。所以碩士研究生在學位口試時，能不能回答口試提問，就是判斷的關鍵。研究生找人或找GPT代寫論文，都可這樣揭穿。

（作者為國立台灣藝術大學廣播電視學系教授）