超越ChatGPT:企业生成式AI的未来

在过去三年里，风险投资公司已经在生成式人工智能解决方案上投资了超过17亿美元，其中人工智能支持的药物研发和人工智能软件编码获得了最多的资金。

Gartner技术创新研究副总裁Brian Burke说:“像ChatGPT这样的早期基础模型专注于生成式人工智能增强创造性工作的能力，但到2025年，我们预计超过30%的新药物和材料将使用生成式人工智能技术系统地发现。”“这只是众多行业用例中的一个。”

立即下载:Gartner新兴技术影响雷达2023

生成式AI可以探索一个对象的许多可能设计，以找到正确或最合适的匹配。它不仅增强和加速了许多领域的设计，还具有“发明”新颖设计或物品的潜力，否则人类可能会错过这些设计或物品。

市场营销和媒体已经是了感受生成式人工智能的影响．Gartner预计:

• 到2025年，大型机构30%的对外营销信息将由合成生成，而2022年这一比例还不到2%。

• 到2030年，一部大片中90%的电影(从文字到视频)将由人工智能生成，而2022年这一比例为0%。

尽管如此,人工智能的创新正在加速，在各个行业为生成式人工智能创造了大量用例，包括以下五个。

2010年的一项研究显示，一种药物从发现到上市的平均成本约为18亿美元，其中药物发现成本约占三分之一，而发现过程需要长达三到六年的时间。生成式人工智能已经在几个月内被用于设计各种用途的药物，为制药公司提供了减少成本和药物研发时间的重大机会。

生成式人工智能通过组合针对特定物理性能的全新材料，正在影响汽车、航空航天、国防、医疗、电子和能源行业。这个过程被称为逆向设计，它定义了所需的特性，并发现可能具有这些特性的材料，而不是依靠偶然发现具有这些特性的材料。例如，其结果是找到比目前用于能源和运输的材料更具导电性或更强磁性的材料，或者用于材料需要耐腐蚀的情况。

生成式AI可以使用强化学习(一种机器学习技术)来优化半导体芯片设计中的组件放置(平面规划)，将产品开发生命周期从人类专家的几周缩短到生成式AI的几小时。

生成式AI是一种创造方式合成数据，这是一类通过对现实世界的直接观察而产生而非获得的数据。这确保了用于训练模型的原始数据源的私密性。例如，医疗保健数据可以人为地生成用于研究和分析，而不会暴露患者的身份，而这些患者的医疗记录是用来确保隐私的。

生成式人工智能使包括制造业、汽车、航空航天和国防在内的行业能够设计出优化的部件，以满足特定的目标和限制，如性能、材料和制造方法。例如，汽车制造商可以使用生成设计来创新更轻的设计——有助于实现使汽车更省油的目标。

今天的大多数人工智能系统都是分类器，这意味着它们可以被训练来区分狗和猫的图像。生成式人工智能系统可以通过训练生成现实世界中不存在的狗或猫的图像。技术的创新能力是游戏规则的改变者。

生成式人工智能使系统能够创建高价值的工件，如视频、叙述、训练数据，甚至设计和原理图。

例如，生成式预训练变压器(GPT)是一种大规模自然语言技术，它使用深度学习来生成类似人类的文本。第三代ChatGPT (GPT-3)可以根据其吸收的累积训练来预测句子中最有可能出现的下一个单词，可以写故事、歌曲和诗歌，甚至可以编写计算机代码，并使ChatGPT能够在几秒钟内完成青少年的家庭作业。

除了文本，数字图像生成器，如DALL·e2、Stable Diffusion和Midjourney，可以从文本生成图像。

生成式AI使用了许多AI技术，但最近，基础模型成为了人们关注的焦点。

基础模型以自我监督的方式在一般数据源上进行预训练，然后可以适应解决新问题。基础模型主要基于变压器架构，它体现了一种深度神经网络架构，可以计算训练数据的数值表示。

Transformer体系结构通过跟踪顺序数据中的关系来学习上下文，从而学习含义。Transformer模型应用一组不断发展的数学技术，称为注意力或自我注意力，以检测一系列中即使是遥远的数据元素也会相互影响和依赖的微妙方式。

在你全速前进之前，请记住，生成式人工智能不仅为商业提供了机会;威胁也是真实存在的-包括深度造假、版权问题和其他恶意使用生成式人工智能技术来针对您的组织的可能性。

与安全和风险管理领导者合作，主动减轻恶意使用生成式人工智能给个人、组织和政府带来的声誉、伪造、欺诈和政治风险。

还要考虑实施关于负责任地使用生成式AI通过一个经过策划的批准供应商和服务列表，优先考虑那些努力提供训练数据集的透明度和适当的模型使用，和/或在开源中提供模型的供应商和服务。

布莱恩·伯克是技术创新研究副总裁，在技术创新和企业架构角色方面有25年的经验。他的研究主要集中在发现新兴和战略技术趋势。他是《顶级战略技术趋势》和《新兴技术炒作周期》的主要作者。他还是2014年出版的《游戏化:游戏化如何激励人们做非凡的事情》一书的作者。