生成人工智能 ： 走向新文明 ？

2023生成人工智能 ： 走向新文明 ？企业情报的剧变报告 “我想象一个时代 ， 当我们将是机器人 ， 狗是什么人类 ， 我支持机器。 "- 克劳德 · 香农,“信息论之父 ” 显而易见吕克渡轮生成人工智能 ： 走向新文明 ？企业情报的剧变AuthorsAlbert Meige 博士 ， 蓝移主任 ， Arthur D. LittleZoe Huczok ， 经理 ， Arthur D. Little Rick Eagar ， 荣誉合伙人 ， Arthur D. Little贡献者Vincent Benyamin - Wood ， 顾问 ， Arthur D. LittleSaloni Mehta ， 业务分析师 ， Arthur D. Little Leo Liu ， 顾问 ， Arthur D. Little艺术家在驻地哲学家 -residence3蓝移 / 报告 004 ONTEN内容 - 内容 -CT -CONTENT - 1.什么是 AI ， 它是如何成为插曲 # 1 ： 艺术家对新事物的贡献文艺复兴242.3.竞争484.5.插曲 2 ： 哲学家的贡献 - Will GenAI6.智能807.文明?94附录 ： 通用词汇表GenAI 术语 985 执行摘要人工智能 ， 或我们今天认识的人工智能 ， 已经有 70 年的历史。在经历了几次挫折之后 ， 该学科的进步在过去几年中一直在强劲加速 ， 特别是在生成 AI （ 也称为 GenAI 或 GAI ） 领域。尽管 ChatGPT 的迅速崛起吸引了世界 ， 但这只是一个提示巨大的 GenAI 冰山开始对商业、社会和人类产生巨大影响。GeAI 是人工智能系统创造新内容的能力，它正在重塑我们赋予不同类型人类智能的价值集，无论是在公司的微观，互联网的宏观，还是在其他方面。随着我们从一个人工智能主要用于理解大量数据的世界转变为一个可以轻松部署以创建新的引人注目的内容的世界，所有类型的智能都在发生转变。从积极的方面来看 ， GenAI 有可能突破当前对生产力和效率的限制 ， 特别是在服务 ， 工业运营 ， 通信方式以及更广泛的社会和经济过程方面。但是 ， GenAI 也带来了巨大的风险和不确定性 ， 同时受到了大量的炒作和误解。对于评估如何最好地响应机会的企业和 GenAI 的风险 ， 重要的是至少获得对技术的基本理解 ， 它是如何发展的 ， 谁参与了 - 以及它的影响。这些条件造成了本报告旨在解决的差距。本报告旨在深入了解 GeAI 技术，价值链，风险和不确定性，并考虑围绕技术未来的一些广泛而必要的问题。它基于深入研究，市场经验，在线专家调查以及对来自 AI 生态系统的领先参与者的访谈。下面，我们重点介绍报告每章的七个主要重点领域。6蓝移 / 报告 004 GenAI 有可能突破目前对生产力和效率的限制。技术进步第 1 章 ： GenAI 模型在一系列不断扩展的任务中始终与人类能力相匹配或优于人类能力的中位数 ， 并且将越来越多地与各种其他系统耦合。美国国家标准与技术研究所 （ NIST ） 将 “人工智能 ” 一词定义为 ：“ 设备的功能执行通常与人类智力相关的功能 ， 例如推理 ， 学习和自我完善。 ”在过去的十年中 ， 机器学习 （ ML ） 子领域的进步 ， 特别是深度学习 （ DL ） ， 在理解大量数据或完成模式识别任务方面取得了重大进展。最近 ， DL 的预测能力已用于通过所谓的 GenAI 创建新内容 ， 通过基于用户提供的提示预测下一个最可能的标记 （ 即单词或像素 ） 并对每个标记进行迭代 ， 该算法生成文本 ， 图像或其他内容 ； 所产生的媒体类型不断扩展。此外 ， 基于 GenAI 构建的大型语言模型 （ LLM ） 的兴起已由变压器加速 ， 变压器是最有效的 DL 模型体系结构之一 ， 用于预测单词 ， 图像或其他数据类型。 LLM 将越来越多地与各种体系结构耦合并编排 ， 例如知识图 ， 本体或模拟 ， 用于扩展应用程序。迄今为止 ， GenAI 的性能主要由参数数量、训练数据集的大小和计算能力驱动。架构和微调预计将在未来几个月和几年带来进一步的收益。如今 ， 生成模型在包括语言理解 ， 推理和文本摘要在内的一系列任务中的表现与人类的中位数相当或高于中位数。这些模型还可以在多个知识领域工作 ， 这在一系列专业考试中的出色表现就证明了这一点。业务影响第二章 ： 所有行业的所有类型的企业情报都将受到实质性影响 ， 但大多数公司似乎还没有准备好面对变化。GeAI 应用程序远远超出了聊天机器人和文本生成 - 它们目前最受欢迎的形式。事实上，目前由人类完成的大多数企业智力任务都会受到影响。这些智力任务包括生成内容，回答问题，搜索信息，识别模式，围绕特定任务优化过程，操纵物理工具，创造真正的原创设计，媒体，甚至艺术品。7蓝移 / 报告 004 因此 ， GenAI 将深刻影响大多数行业 ， 从明显和独立的用例开始 ， 如营销内容生成和客户支持 ， 并朝着更多的方向发展。复杂的用例 ， 如财务决策 ， 然后最终转向最集成的用例 ， 如工业过程自动化。然而 ， 总体而言 ， 尽管影响规模和预期收益 ， 但只有约 50% 的受访者到目前为止 ， 我们的研究中的组织已经做出了追求 GenAI 的投资或雇用决策 ， 这标志着令人惊讶的程度。我们的分析显示可以从独立的 GeAI 系统中受益的行业，如媒体、零售和医疗保健，在准备曲线上走得最远。电信、旅行和运输、汽车和制造业、航空航天和国防等行业的安全要求更高，受到高度监管。人工智能与其他系统集成是必要的，这将使这些行业进一步落后。多种因素会影响采用的速度和规模 ； 信任和商业利益通常是最重要的，其次是能力，文化和劳资关系以及实施的难易程度，尽管动态因部门而异。价值链与竞争第 3 章 ： 计算提供者成为 GenAI 革命的主要受益者 ， 尽管也许令人惊讶的是 ， 开源仍然在 AI 模型开发中发挥着关键作用。GenAI 市场不可避免地实现了巨大的增长。对 2030 年市场的大多数预测都在 750 亿至 1300 亿美元之间 ， 尽管这些数字在发展的早期阶段几乎没有意义 -简单地假设增长 “海啸 ” 更安全。GenAI 价值链可以分为三层 ： 基础设施 （ 计算 ） ， 模型开发和 GenAI 应用。通常情况下 ， 利润和霸权集中在基础设施层 ， 远离最终用户。通常情况下 ， GenAI 市场的进入壁垒相对较少 ， 即人才 ， 对专有数据的访问和计算能力。越接近最终用户，GeAI 价值链就越有竞争力。OpeAI，Google，Meta，Apple （ 以及可能很快的亚马逊 ） 负责生成模型的大部分份额。基于模型的可访问性和应用程序的目的，每个层存在多个业务模型。然而，开源贡献者已经成为关键参与者，重塑了价值链和竞争格局。限额和风险第四章 ： AI 固有的局限性和无与伦比的能力带来了直接的挑战。尽管有很多关于 “AI 启示录 ” 的夸大其词 ， 但短期内还存在其他非常真实的风险。这些都源于 GenAI 的缺点 ， 例如偏见 ， 幻觉和肤浅 ， 以及该技术用于伤害时的独特力量由不良行为者大规模传播虚假信息 ， 提高网络攻击的有效性。这意味着 ， 目前 ， GenAI 最好用于不需要绝对精度、可靠性和一致性的应用程序 - 除非输出由人类或另一个系统 （ 例如基于规则的系统 ） 检查模型。虽然检测器系统被训练来识别人工智能生成的内容 ， 它们不是灵丹妙药。监控社交媒体和媒体传播的不良行为者和虚假叙述并建立对信息完整性准则的认识至关重要。关键不确定性第 5 章 ： 虽然 GenAI 的质量和可扩展性以及它向人工智能 （ AGI ） 的潜在演变是最关键的不确定性 ， 但监管成为一个更紧迫的问题。GenAI 领域的关键不确定性是那些潜在的非常有影响力但也非常不确定的。关键不确定性最终可能导致非常不同的未来。在我们的分析中 ， 三个因素被列为关键不确定性 ：1.通用人工智能的出现。AGI 是一种 AI ， 它将在广泛的任务范围内超越人类。尽管 AGI 的潜力正在改变游戏规则 ， 但其轨迹仍然不可预测 ， 尤其是考虑到最近不可预见的进步 （ 请参阅第 6 章 ） 。2.模型质量和可扩展性。GenAI 的发展取决于模型性能。进步可能会允许更大的基于参数的模型 ， 但不确定性能是否会随着大小而持续上升。3.价值链不稳定。大公司的战略选择在很大程度上决定了竞争格局。鉴于它们对研究经费的重大贡献 ， 任何战略转变都会产生明显的影响。8蓝移 / 报告 004 虽然上述关键的不确定性仍然存在 ， 但决策者更关心的是一个因素 ：法规拟议的立法 ， 特别是在欧洲 ， 有可能重新定义市场 ， 影响创新步伐 ， 并确定全球采用率。人工通用智能第六章 ： AGI 的出现将导致我们文明的根本性变化 ， 越来越多的共识表明它将比预期的更快发生。AGI 的可能出现是最关键的不确定性。虽然尚未达成共识 ，科学界越来越多的人认为 AGI 可能很快就会出现 - 这表明它可能be months or years, not decades away, as previously expected. This feeling is supported partly by the observation of “emergent ” properties in existing LLM.AGI 引发了人们对人类目标的激进错位和人类广泛替代的担忧 ， 构成了生存风险。考虑到以前的技术革命 ， 这似乎是双曲线的。然而 ， 人工智能技术的发展和采用速度是前所未有的; 人工智能也很容易获得 ， 不像其他给人类带来生存风险的技术。然而 ， 重要的是 ， 如果实现 AGI ， 不仅会产生负面影响。它还可以提高人类生产力 ， 帮助解决新问题 ， 包括人类面临的最大挑战 ， 例如消除气候变化 ， 增加福祉和使我们能够将人类工作重新集中在独特的人类任务上。 AGI 的出现 ， 如果发生 ， 确实会对我们的文明产生根本性的变化。前进的道路 ： 创造新的认知劳动文明第七章 ： 抛开关于 AGI 的争论 ， GenAI 和 LLM 是全面转型的核心 ； GenAI 可能会带来一种新的 “认知劳动文明 ” 。各行各业的企业情报的每个方面都会感受到它的影响 ， 远远超出了内容创建。 GenAI 和 LLM 充当桥梁 ， 整合各种网络物理系统。对于旨在利用 GenAI 潜力的企业 ， 我们建议采用结构化的五步方法 ：1.定义问题的前景。我们试图解决哪些问题 ， Gen AI 在哪里最适用 ？2.评估 GAI 解决方案的价值。针对这些问题实施 GAI 的价值成本比率是多少 ？3.选择实施模式。我们应该在最初的步骤中进行 ， 购买或合作吗 ？4.尝试概念证明 （ PoC ） 。我们可以从试验一个或两个特定的用例中学到什么 ？5.巩固战略。在整个企业中更广泛地应用 GAI 的战略和路线图应该是什么 ？GeAI 会引领我们走向新的文明吗 ？ 也许吧。然而，可以肯定的是，GeAI 正在推动重复性认知任务的自动化，这有可能让组织更多地关注情绪智力。这一趋势与过去二十年来对 “21 世纪技能 ” 的日益重视相一致。对于数字化经济来说，这些基本技能包括批判性思维、创造力、沟通和协作。因此，似乎。至少在认知劳动方面 ， GenAI 正在带领我们走向新的文明。9随着我们的出版，新的发展再次震撼了 GeAI 的世界。OpeAI 刚刚在 ChatGPT 上发布了图像处理和语音模式，目前正在寻求 900 亿美元的估值，而竞争对手 Athropic 刚刚从亚马逊获得了 40 亿美元的投资，旨在将 GeAI 功能集成到 Alexa 中。同时，Widows 11 的下一个重大更新将与 AI 助手 Copilot 一起提供，而 Meta 的 Code Llama 模型在编码方面可与 ChatGPT 3.5 相媲美。与美国作家协会达成的