生成人工智能不仅仅是一个技术或业务案例——这是一个关键的一部分,一个社会里,人们和机器一起工作。
生成人工智能可以从现有的工件来生成新的现实的工件(规模)反映训练数据的特征但不要重蹈覆辙。它可以产生各种各样的小说内容,如图片、视频、音乐、语音、文本、软件代码和产品设计。
生成AI使用许多技术继续发展。最重要的是人工智能基础模型,训练一组广泛的无标号数据可用于不同的任务,和额外的微调。复杂的数学和巨大的计算能力需要创建这些训练模型,但它们,从本质上说,预测算法。
今天,生成人工智能最常见的创建内容针对自然语言的请求,它不需要知识,或进入代码——但是企业用例有很多,包括创新药物和芯片设计和材料科学的发展。(参阅“一些实用的使用生成的人工智能是什么?”)
Gartner跟踪生成人工智能的炒作周期™为人工智能自2020年(同时,生成的人工智能是我们的最高战略技术趋势2022),和技术已经从创新触发阶段翘首以望的顶峰。但是生成AI只有主流媒体头条在2022年末推出ChatGPT,聊天机器人非常human-seeming交互的能力。
ChatGPTOpenAI发起,一夜之间成为广受欢迎的公众关注和镀锌。(OpenAI达尔·E 2工具同样生成图像从文本中相关生殖AI创新。)
Gartner认为生成人工智能成为通用技术与类似于蒸汽机的产生影响,电力和互联网。炒作会消退,因实施的现实,但生成的人工智能的影响会随着人们和企业发现更多创新应用在日常工作和生活。
基础模型,包括生殖pretrained变压器(驱动器ChatGPT)是人工智能建筑创新,可用于自动化,增强人类或机器,自动执行业务和IT过程。
生成AI的好处包括更快的产品开发,增强客户体验和提高员工生产力,但细节依赖于用例。最终用户应该他们正在寻求实现现实的价值,尤其是当使用一个服务,它有很大的局限性。生成AI创建工件可以不准确或有偏见的,使人类验证基本和潜在的限制的时间节省了工人。Gartner建议连接用例kpi来确保任何项目改善运营效率或创造新的收入净或更好的经验。
在Gartner研讨会日前开展的一项调查显示,超过2500名高管,38%表示,客户体验和保留他们的主要目的是生成AI的投资。其次是收入增长(26%)、成本优化(17%)和业务连续性(7%)。
AI与生殖相关的风险具有重要意义,发展迅速。一系列广泛的威胁演员已经用技术创造“假货”或产品的副本,并生成构件支持日益复杂的诈骗。
ChatGPT训练和其他类似的工具,在大量的公开数据。他们不是设计成符合通用数据保护监管(GDPR)和其他版权法律,所以必须密切关注您的企业使用的平台。
监管风险监控包括:
缺乏透明度。生成AI和ChatGPT模型是不可预测的,没有背后的公司总是理解它们是如何工作的一切。
准确性。生成AI系统有时不准确、编造答案。评估所有输出的准确性,合理性和实际效用之前依赖或公开发布信息。
偏见。你需要政策或控制到位检测偏置输出和处理它们的方式符合公司政策和相关法律的要求。
知识产权(IP)和版权。目前没有可证实的关于保密企业信息数据治理和保护的保证。用户应该假设任何数据或查询他们进入ChatGPT及其竞争对手将成为公共信息,我们建议企业实施控制,以避免无意中暴露的IP。
网络安全与欺诈。企业必须准备恶意演员的使用生成的人工智能系统网络和欺诈攻击,比如那些对社会工程人员使用深假货,并确保减轻控制到位。cyber-insurance供应商商讨问题来验证现有的政策涵盖了人工智能违反的程度。
可持续性。生成AI使用大量的电力。选择供应商,减少能源消耗,利用高质量的可再生能源来缓解对你的可持续性目标的影响。
Gartner还建议考虑以下问题:
定义了负责任的使用生成的人工智能,特别是文化规范发展和社会工程方法不同跨地域?确保合规谁?有什么后果不负责任的使用?
如果出现错误,如何个人采取行动?
如何给用户和删除同意(选择或选择退出)?从隐私的争论可以学到什么?
将使用生成AI帮助或伤害信任您的组织和机构的整体吗?
我们怎样才能确保内容创造者和拥有者控制他们的IP和补偿公平吗?新的经济模式应该是什么样子的呢?
世卫组织将确保正常运行在整个生命周期中,和他们将如何呢?董事会需要一个AI道德领导,例如?
最后,重要的是要持续监控监管和诉讼有关生成人工智能发展。中国和新加坡已经实施新法规关于使用生成的人工智能,而意大利暂时。美国、加拿大、印度、英国和欧盟目前塑造他们的监管环境。
也看到,“使用生成的人工智能的最佳实践是什么?”和“我该工艺使用政策生成人工智能吗?”
生成人工智能领域将迅速进展在科学发现和技术商业化,但用例是新兴快速创意内容,内容改进,合成数据,生成工程和生成设计。
好了,今天高层实际应用包括以下。
文字内容增加和创造:生产“草案”的文本输出所需的风格和长度
问题回答和发现:使用户能够找到答案输入,根据数据和提示信息
基调:文本处理,软化语言或专业化文本
总结:提供了版本的对话、文章、电子邮件和网页
简化:打破标题、创建轮廓和提取关键内容
内容分类为特定的用例:人气排序,主题等。
聊天机器人性能改进:改善“sentity”提取,整个对话情绪分类和一代的旅程流从通用描述
软件编码:代码生成、翻译、解释和验证
新兴的用例与长期影响包括:
创建医学图像显示疾病的未来发展
合成数据帮助增强稀缺的数据,减少偏见,保护数据隐私和模拟未来情景
应用程序用户主动提出额外的行动和向他们提供信息
遗留代码现代化
生成人工智能提供了新的和破坏性的机会增加收入,降低成本,提高生产率和更好地管理风险。在不久的将来,它将成为一个竞争优势和区别。
Gartner将机会分为三个类别。
产品开发:生成AI将使企业更快地创建新产品。这些可能包括新的药物,减少有毒家用清洁剂,新颖的味道和芳香剂,新合金,更快、更好的诊断。
新的收入渠道:Gartner的研究表明,企业更高层次的AI成熟度将获得更大的利益收入。
工人增加:生成人工智能可以增强工人的能力起草和编辑文本,图片和其他媒体。它也可以总结一下,简化和分类内容;生成、转换和验证软件代码;和改善聊天机器人的性能。在这个阶段,该技术是高度熟练的快速创建各种工件和规模。
长期的人才优化:员工将由他们的想象能力,杰出的执行和完善想法,项目、流程、服务和与人工智能的关系。这种共生关系将加速时间能力,大大延长工人的范围和能力。
过程改进:生成人工智能可以推出真实,从海量内容语境的价值,直到现在可能已经很大程度上未开发的。这将改变工作流。
降低风险:生成人工智能分析的能力,并提供更深更广的可见性的数据,如客户交易和潜在错误的软件代码,提高模式识别和识别潜在风险的能力对企业更快。
可持续性:生成人工智能可以帮助企业遵守2022年世界杯抽签 法规、降低链的风险资产和可持续性嵌入决策、产品设计和过程。
生成AI会影响制药、制造业、媒体、建筑、室内设计、工程、汽车、航空航天、国防、医疗、电子和能源产业,向核心过程人工智能模型。它将影响营销、设计、企业沟通,培训和软件工程增加支持跨许多组织的过程。例如:
我们相信,到2025年,超过30%的新药物和材料将使用生成的人工智能技术,系统地发现今天从0。生成AI有望为制药行业,考虑到降低成本和时间在药物发现的机会。
我们预测,到2025年,30%的海外营销信息将综合生成大型组织,从2022年的不到2%。文本生成器GPT-3已经可以用来创建营销复制和个性化的广告。
在制造业、汽车、航空航天和国防工业,生成设计可以创建设计优化,以满足特定的目标和约束,如性能、材料和制造方法。这加速设计过程通过产生一个数组的潜在解决方案工程师去探索。
技术提供AI信任和透明将成为一个重要的补充生成人工智能的解决方案。执行领导人也应该遵循这一指导道德利用llm和其他生殖AI模型:
开始在里面。使用前生成AI创建面向客户,或者其他的内容,测试与内部利益相关者广泛和员工用例。你不想让幻觉伤害你的业务。
奖的透明度。即将推出,无论是员工、客户或公民,显然他们与机器互动标签任何谈话中多次。
你的尽职调查。建立过程和护栏跟踪偏差和其他可信度的问题。通过验证结果和持续测试模型会偏离轨道。
地址隐私和安全问题。确保敏感数据输入和派生。与模型供应商确认这个数据不会用于机器学习超出您的组织。
你的员工很可能已经在使用生成的人工智能,在实验的基础上或者支持他们的与工作相关的任务。为了避免“影子”的使用和合规的错觉,Gartner建议制定使用政策,而不是制定一个完全的禁止。
保持政策简单——它可以简化为三个须知和两个做的如果使用ChatGPT或其他现成的模型:
不输入任何个人身份信息。
不输入任何敏感信息。
不输入任何公司IP。
做关掉历史如果使用外部工具(如ChatGPT),使这样的选择。
做密切监控输出,有时细微但有意义的幻觉,事实错误和偏见或不恰当的语句。
如果公司使用的是自己的一大语言模型的实例,通知限制输入的隐私问题消失。然而,需要密切关注输出仍然存在。
在商业领域,许多人内容创造者。生成AI将大大改变他们的工作,无论是通过创建文本、图像、硬件设计、音乐、视频或其他东西。作为回应,工人需要成为内容编辑,这需要比内容创建一组不同的技能。
与此同时,劳动力与应用程序交互的方式将会改变随着应用程序会话,主动和互动,需要重新设计的用户体验。在短期内,生成人工智能模型将超越对自然语言查询并开始暗示你没有要求的事情。例如,您的请求数据驱动的条形图可能与替代回答嫌疑人可以使用图形模型。至少在理论上,这将提高工人的生产力,但同时也挑战传统思考人类需要带头发展战略。
劳动力的净变化会极大地取决于行业等因素不同,位置,大小和企业的产品。
许多企业已经为代码生成生成AI飞行员,文本生成或视觉设计。建立一个飞行员,你甚至可以把三种路线:
现成的。直接使用现有的基础模型输入提示。例如,你可能会问模型创建一个工作描述一个软件工程师或建议替代营销电子邮件的主题行。
促使工程。程序和连接软件和利用的基本模型。这项技术,这是最常见的三个,允许您使用公共服务在保护知识产权和利用私有数据创建更精确的,具体的和有用的反应。建立一个人力资源效益chatbot回答员工关于公司政策是促使工程的一个例子。
生成成本AI将从微不足道的数百万根据用例,规模和公司的需求。中小企业可以获得重要的业务价值从公共的免费版本,公开驻留的应用程序,比如ChatGPT或通过支付订阅费用低。例如,OpenAI目前每用户每月20美元。然而,免费和低成本的选项来以最小的保护企业数据和输出相关的风险。
更大的企业和那些渴望更大的分析或使用自己的企业数据水平较高的安全性和IP和隐私保护需要投资于一系列定制服务。这可以包括建筑许可,可定制的和专有模型与数据和机器学习平台,并需要与供应商和合作伙伴。在这种情况下,可以在数百万美元的成本。
同样值得注意的是生成AI功能将日益被嵌入到每天您可能使用的软件产品,必应,微软Office 365, 365副驾驶员和谷歌工作区。这实际上是一个“免费”层,虽然供应商最终将成本转嫁到客户的捆绑增量产品价格上涨。
生成的人工智能是准备让日益强大的影响企业未来五年。Gartner预测:
到2024年,40%的企业应用程序将嵌入式会话AI,从2020年的不到5%。
到2025年,30%的企业将实现一个AI-augmented开发和测试策略,从2021年的5%。
到2026年,生成设计AI将自动化设计工作的60%新网站和移动应用程序。
到2026年,超过1亿人将参与robocolleagues为他们的工作。
到2027年,近15%的新应用程序将自动生成人工智能没有人类的循环。这不是发生在今天。
生成AI市场是着火了。大平台以外的玩家,有许多数以百计的专业提供商由充足的风险资本和一波新的开源模式和能力。企业应用程序提供者,比如Salesforce和SAP, LLM功能构建到他们的平台。组织像微软、谷歌、亚马逊网络服务(AWS)和IBM投资数亿美元和大规模计算能力构建服务ChatGPT等所依赖的基本模型。
Gartner认为当前的主要参与者是如下:
谷歌两大语言模型、棕榈、多通道模型,巴德,一个纯粹的语言模型。他们将他们的生殖AI技术嵌入到workplace应用程序套件,它将立即得到它在数以百万计的人的手中。
微软和OpenAI保持同步。像谷歌,微软将生成的人工智能技术嵌入到它的产品,但它的先发优势和巴兹ChatGPT站在自己这边。
亚马逊已与拥抱的脸,可用llm的数量在一个开源基础上,构建解决方案。亚马逊也有基础,它提供了通过AWS访问生成人工智能在云上,并且宣布泰坦,一组两个人工智能模型,创建文本,提高搜索和个性化。
这取决于你问谁。AGI通讯社,机器的能力匹配或超越人类智慧和解决问题他们从未遇到训练期间,引起激烈的辩论和敬畏和地狱。AI肯定是变得更有能力和显示有时令人惊讶的紧急行为,人类没有计划。
可能是机器智能的进化路径,模拟人类智能,但最终旨在帮助人类解决复杂的问题。这将需要治理,新的监管和广泛的社会参与。