2020 年 6 月，OpenAI 發布了第三代生成式預訓練模型 GPT-3（Generative Pre-trained Transformer 3）。它擁有 1,750 億個參數，是當時規模最大的語言模型，瞬間在科技圈與創業圈引發熱烈討論。從新聞標題到 Twitter 創作，從程式碼生成到自動客服，GPT-3 展示了前所未有的「機器寫作」能力，也讓人第一次感受到 生成式 AI 從研究走向大眾應用的衝擊力。
1. 技術規模的質變
GPT-3 延續了 Transformer 架構與大規模語料預訓練的思路，但其 參數規模是 GPT-2 的 100 多倍。這種規模的擴張帶來了質變——模型在多數任務中不需要額外微調（fine-tuning），只需提供少量範例（few-shot learning）甚至零範例（zero-shot learning），就能生成高質量文本。
2. 多樣化能力：從寫作到編程
發布不久，開發者社群就發現 GPT-3 能夠：
- 撰寫文章、詩歌、故事，模仿不同文風
- 生成 HTML、CSS、JavaScript 程式碼
- 做基本的問答與摘要
- 創建對話機器人，甚至用自然語言生成 SQL 查詢
雖然輸出仍會出現事實錯誤或語義混亂，但它的語言流暢度與跨領域適應性，已足以支撐許多原型應用。
3. 工具與創業潮的引爆點
OpenAI 透過 API 提供 GPT-3 訪問權限，促成了大批基於 GPT-3 的應用誕生，例如：
- Copy.ai（行銷文案生成）
- Debuild（用自然語言生成 Web 應用）
- AI Dungeon（互動式冒險遊戲）
這種「模型即平台」的模式，讓開發者不必再自行訓練龐大模型，而是直接在 API 基礎上創新。
4. 爭議與挑戰
GPT-3 的火爆同時引發了對生成式 AI 的擔憂：
- 事實錯誤與幻覺（hallucination）：模型有時會生成看似正確但完全捏造的內容。
- 偏見與歧視：訓練數據中的偏見會被放大，影響輸出內容。
- 濫用風險：自動生成假新聞、釣魚郵件等惡意用途的可能性。
這些問題也讓 AI 倫理與負責任 AI 的討論進入新階段。