生成式人工智能：人人可享的新时代报告（英文）

支撑 ChatGPT 的技术将改变工作并重塑业务为每个人创造 AI 的新时代 为每个人创造 AI 的新时代|2目录03欢迎来到 AI 的新拐点04我们是如何到达这里的 ？05消费或定制 ： 面向所有人的创成式 AI08展望技术、监管和业务的快速发展12拥抱生成 AI 时代 ： 六个采用要素19AI 的未来正在加速21词汇表和参考文献22Authors 为每个人创造 AI 的新时代|3Introduction欢迎来到 AI 的新拐点ChatGPT 唤醒了全世界人工的变革潜力智能 （ AI ） ， 吸引全球注意力并引发前所未有的创造力浪潮。它模仿人类对话的能力而决策给了我们 AI 公开采用的第一个真正的拐点。最后 ， 每个人 ， 每个地方都可以看到技术对自己的真正破坏性潜力。基础模型是具有数十亿参数的大型模型的通用术语。随着最近的进步 ， 公司现在可以在这些基础模型之上构建专门的图像和语言生成模型。大型语言模型 （ LLM ） 既是一种生成 AI ， 也是一种基础模型。ChatGPT 背后的 LLM 标志着人工的一个重要转折点和里程碑智能。两件事使 LLM 游戏发生变化。首先 ， 他们破解了代码语言的复杂性。现在 ， 第一次 ，机器可以学习语言 ， 上下文和意图 ， 并具有独立的生成性和创造性。第二 ， 经过预先训练后大量数据 (文本、图像或音频) ， 这些模型可以改编或精细 -这允许它们以许多不同的方式被重用或重新利用。商业领袖认识到的重要性这一刻。他们可以看到 LLM 和生成 AI 将如何从根本上改变从商业、科学到社会本身的一切 — — 解锁新的绩效前沿。对人类创造力和生产力的积极影响将是巨大的。考虑到 ， 在所有行业中 ， 埃森哲发现所有工作时间的 40% 都会受到 GPT - 4 等 LLM 的影响。这是因为语言任务占员工工作总时间的 62% ， 而 65% 的时间可以通过增强和自动化转化为更有生产力的活动 （ 见图 3 ） 。ChatGPT 在发布仅两个月后就达到了 1 亿每月活跃用户 ， 使其成为历史上增长最快的消费者应用程序。 我们是怎么做到的机器学习 ： 分析和预测阶段到这里?旅程中的里程碑2000 年代的第一个十年标志着各种机器学习技术可以分析大量的在线数据得出结论 -或 “学习 ” - 从结果中。从那时起 ， 公司已经将机器学习视为 AI 的强大领域 ， 用于分析数据 ， 查找模式 ， 生成洞察力 ， 以以前不可能的速度和规模进行预测和自动化任务。生成 AI深度学习 ： 视觉和言语阶段2010 年代产生了 AI 的进步机器领域的感知能力学习称为深度学习。深度学习的突破使计算机视觉搜索引擎和自动驾驶汽车用来分类和检测物体 ， 以及语音识别 ， 允许流行的 AI 语音助手以自然的方式响应用户。生成 AI ： 进入语言掌握阶段在深度学习模型的规模和能力呈指数级增长的基础上 ， 2020 年代将是关于语言掌握的。由 OpenAI 开发的 GPT - 4 语言模型标志着一个新的开始阶段基于语言的 AI 应用程序的能力。诸如此类的模型将对业务产生深远的影响 ， 因为语言渗透到组织每天所做的一切 - 机构知识 ， 沟通和过程。 2为每个人创造 AI 的新时代|4 消费或定制 ： 面向所有人的创成式 AI为每个人创造 AI 的新时代|5 为每个人创造 AI 的新时代|6消费或定制 ： 面向所有人的创成式 AI消费或定制 ： 面向所有人的创成式 AIChatGPT，DALL - E，Stable Diffsio 等易于使用的生成 AI 应用程序正在迅速使商业和社会中的技术民主化。对组织的影响将是深远的。LLM 处理大量数据集的能力使他们能够 “了解 ” 组织已知的一切 — — 整个历史、背景、细微差别和意图，以及其产品、市场和客户。通过语言 （ 应用程序，系统，文档，电子邮件，聊天，视频和音频记录 ） 传达的任何内容都可以用来推动下一级创新，优化和重塑。我们正处于采用周期的一个阶段 ， 大多数组织都开始通过使用 “现成的 ” 基础模型来进行实验。然而 ， 对许多人来说 ， 最大的价值将来自当他们使用自定义或微调模型时他们自己的数据来满足他们的独特需求 ：消耗创成式 AI 和 LLM 应用程序已准备好消费并且易于访问。公司可以通过 API 来使用它们 ， 并通过诸如 prompt 之类的 prompt 工程技术在很小的程度上为自己的用例量身定制它们调优和前缀学习。自定义但大多数公司需要自定义模型 ， 通过用自己的数据对它们进行微调 ，使它们广泛可用和有价值。这将允许模型支持特定的下游整个业务中的任务。效果将是提高公司在使用人工智能将开启新的绩效前沿 — — 提升员工能力 ， 取悦客户 ， 引入新的商业模式 ， 并提高对变革信号的响应能力。97% 的全球高管认为 ， 人工智能基础模型将实现跨数据类型的连接 ， 彻底改变人工智能的使用地点和方式。 为每个人创造 AI 的新时代|7消费或定制 ： 面向所有人的创成式 AI公司将使用这些模型来重新发明工作的方式每个企业中的每个角色都有可能被重新发明，因为人类与人工智能副驾驶一起工作成为常态，极大地放大了人们可以实现的目标。在任何给定的工作中，有些任务将自动化，有些任务将得到协助，有些任务将不受该技术的影响。人类还将执行大量新任务，例如确保准确和负责任地使用新任务。AI 驱动的系统。考虑这些关键功能的影响 ：建议。AI 模型将成为每个工人永远存在的副驾驶 ， 提高生产力通过将新的超个性化智能置于人类手中。例子包括客户支持、销售支持、人类资源 ， 医学和科学研究 ，企业战略和竞争情报。大型语言模型可能有助于解决大约 70% 的客户服务沟通 ， 这并不简单可以受益于对话 ， 强大和智能机器人 ， 了解客户的意图 ， 自己制定答案 ， 并提高答案的准确性和质量 4.创建。生成 AI 将成为人们必不可少的创造性合作伙伴 ， 揭示新的方式以达到并吸引受众 ， 并在生产设计 ， 设计研究 ， 视觉识别 ， 命名 ， 复制生成和测试以及实时个性化等领域带来前所未有的速度和创新。公司正在转向最先进的人工智能系统 ， 如DALL · E ， Midtry 和 Stable Diffusion 用于其社交媒体视觉内容生成推广。例如 ， DALL · E 根据文字描述创建逼真的图像和艺术 ， 并且在将文字转换为图片时可以处理多达 120 亿个参数。然后可以在 Instagram 和 Twitter5 上共享创建的图像编码。软件程序员将使用生成 AI 来显著提高生产力 - 快速转换一种编程语言到另一种编程语言 ， 掌握编程工具和方法 ， 自动化代码编写 ， 预测和抢占问题 ，和管理系统文档。埃森哲正在试点使用 OpenAI LLM ， 通过自动生成来提高开发人员的生产力文档 - 例如 ， SAP 配置理由和功能或技术规格。该解决方案使用户能够在工作时通过 Microsoft Teams 聊天提交请求。然后以速度返回正确打包的文档 -一个很好的例子是如何特定的任务 ， 而不是整个工作 ， 将被增强和自动化。自动化。生成 AI 对历史背景的复杂理解 ， 下一个最佳行动 ， 总结能力和预测智能将催生一个新时代后台和前台的超效率和超个性化 -业务流程自动化达到了变革性的新水平。一家跨国银行正在使用生成式 AI 和 LLM 来改变其管理大量交易后处理电子邮件的方式 - 自动起草具有推荐操作的消息并将其路由到收件人。结果是减少了手动工作量 ， 并且与客户的互动更加顺畅。保护。随着时间的推移 ， 生成式 AI 将支持企业治理和信息安全 ， 防止欺诈 ， 提高监管合规性 ， 并主动识别通过在组织内部和外部绘制跨域连接和推论来冒险。在战略网络防御中 ， LLM可以提供有用的功能 ， 例如解释恶意软件和快速分类网站 6但是 ， 在短期内 ， 组织可以期望犯罪分子利用生成 AI 的能力来生成恶意代码或编写完美的网络钓鱼电子邮件。 展望技术、监管和业务的快速发展为每个人创造 AI 的新时代|8 面向所有人的生成式 AI 新时代 | PAGE9“最热门的新编程平台是餐巾纸。Paul Daugherty ， 埃森哲集团首席执行官& 首席技术官参考使用 OpenAI 从餐巾纸绘图生成工作网站展望技术、监管和业务的快速发展展望技术、监管和业务的快速发展像这样的时刻并不经常发生。未来几年将看到对生成式人工智能、 LLM 和基础模型的巨大投资。这种演变的独特之处在于技术、监管和业务采用都同时呈指数级加速。在以前的创新曲线中 ， 技术通常超过采用和监管。技术堆栈The complex technology underlining generative AI is expected to evolve rapidly at each layer. This has broad business implications. Consider that the amount of训练最大 AI 模型所需的计算呈指数级增长 - 根据各种报告 ， 现在每 3.4 到 10 个月就翻了一番。 8 因此 ， 成本和碳排放是采用能源密集型生成 AI 的主要考虑因素。图 1:生成 AI 技术堆栈的每一层都将迅速发展应用:通过 API 并直接嵌入到其他应用程序中 ， 云中的用户将越来越多地访问生成的 AI 和 LLM 。公司将使用它们因为他们是或将定制和微调他们与专有数据。微调 ：模型微调的重要性将创建对涵盖软件工程 ， 心理学 ， 语言学 ， 艺术史 ， 文学和图书馆学的多学科技能的需求。基础模型:随着更多的预训练模型的出现 ， 市场将迅速成熟和多样化。新模型设计将为平衡尺寸 ， 透明度 ， 多功能性和性能提供更多选择。数据:提高企业数据生命周期的成熟度将成为成功的先决条件 - 需要掌握新数据 ， 新数据类型和海量。现代数据平台中的生成 AI 功能将出现 ， 从而提高大规模采用。基础设施:云基础设施对于部署生成式 AI ， 同时管理成本和碳排放至关重要。数据新的芯片组架构、硬件创新和高效的算法也将发挥关键作用。 面向所有人的生成式 AI 新时代 | PAGE10展望技术、监管和业务的快速发展风险和监管环境公司将有数千种方法来应用生成 AI 和基础模型最大限度地提高效率并提高竞争力优势。可以理解的是 ， 他们希望尽快开始。但是企业范围内的战略需要考虑到他们打算使用的 AI 和相关技术的所有变体 ， 而不仅仅是生成 AI 和大型语言模型。ChatGPT 提出了有关负责任地使用 AI 的重要问题。技术发展和采用的速度要求公司密切关注他们可能产生的任何法律、道德和声誉风险。至关重要的是，包括 ChatGPT 在内的生成式 AI 技术在设计上是负责任和合规的，并且模型和应用程序不会给业务带来不可接受的风险。埃森哲是负责任地使用技术的先驱，包括从 2017 年开始在其商业道德准则中负责任地使用人工智能。负责任的 AI 是按照明确的原则设计，构建和部署 AI 的实践，以赋予企业权力，尊重人和。造福社会 - 允许公司建立对 AI 的信任 ， 并通过以下方式扩展 AI信心。人工智能系统需要以多样化的方式 “提升 ”和包容性的一组输入 ， 以便它们反映责任 ， 公平和透明度的更广泛的商业和社会规范。当人工智能在道德框架内设计和实施时 ， 它加速了负责任的协作智能的潜力 ， 人类的聪明才智与智能技术融合在一起。这为消费者、员工和社会的信任奠定了基础 ， 并可以提高企业绩效并释放新的增长来源。图 2:生成 AI 的关键风险和监管问题知识产权:企业将如何保护自己的 IP ？ 它将如何防止在使用预先训练的基础模型时无意中侵犯第三方版权 ？数据隐私和安全 ：即将出台的《欧盟人工智能法案》等法律将如何纳入数据处理、处理、保护、保护和使用的方式 ？歧视:公司是否使用或创建需要考虑反歧视或反偏见因素的工具 ？产品责任:在基于 AI 的产品推向市场之前 ， 需要建立哪些健康和安全机制 ？T