2024 年 GenAI 称重数字经济报告

理解生成式 AI 并为安全和可持续的数字经济释放其力量。 TABLE OFCONTENTS 执行摘要 04 07Introduction 071.1 人工智能(AI) 和生成 AI 101.2 生成式预培训变压器 (GPT) 111.3 生成 AI 工具 141.4 GenAI 与数字经济 17生成 AI 的背景和历史 & 及其工具 2.1 历史172.2 GenAI 工具的特点202.3 基于 GenAI 的系统后端操作212.4 研究差距和我们的贡献22 23生成人工智能及其工具的应用 24252730313334353637383.1 公共部门3.2 私营部门生成 AI 模型与数字经济4.1 金融部门 ， 包括客户运营。4.2 卫生部门4.3 教育部门4.4 市场营销和销售4.5 气候变化4.6 农业部门4.7 产品和服务研发4.8 生成 AI 及其工具的杂谱 生成 AI 及其工具的挑战395.1 道德挑战405.2 通用挑战45关于 GenAI 彻底改变数字经济的建议476.1 制定整体伦理准则和框架47基于 GenAI 的工具 6.2 商业界早期采用的 GenAI496.3 国家生成 AI 战略的发展526.4 GenAI 的激励措施536.5 披露 GenAI 及其工具 ， 如 ChatGPT ， 作为 AI 的地位54语言模型 6.6 GenAI 标准和原则556.7 重要的数字素养 GenAI566.8 GenAI 研究 ， 包括 Llms576.9 使用开源 GenAI 模型586.10 GenAI 模型合作基础设施的建立596.11 GenAI 全球合作606.12 GenAI 科技公司与其他利益相关者的承诺 ，61包括政府。 6.13 监测和分析独立机构的章程61GenAI 工具性能。创成式 AI 工具 ， 如 ChatGPT ， 限制62Conclusion63贡献者65参考书目66 免责声明 这份白皮书是一份工作文件，因此它代表了正在进行中的研究。它不一定反映DCO成员国的官方观点，也不反映任何工作人员的官方立场。尽可能根据可用的国际来源汇集尽可能准确和最新的数据。DCO不对可能不准确的数据承担责任。本文件中提及的公司、实体、产品、服务等名称并不代表DCO、其成员国或工作人员的认可或推荐。它们按字母顺序排列，而非按照偏好顺序。 执行摘要 生成式人工智能（GenAI）是人工智能（AI）领域的一个新兴且突破性的领域，它能够从训练数据集中生成和理解高质量的文本、图像、音频、视频、3D模型以及其他内容。 一般而言，人工智能是一种变革性的理念，涉及创建能够执行通常需要人类智能的任务的智能计算机。人工智能包括多种技术和方法，如计算机视觉、深度学习、自然语言处理和机器学习。人工智能系统利用数据来识别模式、做出选择并采取行动以达到既定目标。人工智能（包括生成式人工智能）可以提高生产效率、准确性和效率，降低成本并提升客户满意度。由人工智能驱动的应用程序，如虚拟助手、聊天机器人、推荐系统和自主车辆，已经在影响数字经济。 生成式人工智能能够产生大量合理且复杂的內容，模仿人类的创造力，使其成为众多经济领域的宝贵工具，如娱乐业，包括游戏设计、电影制作和产品设计等。生成式人工智能基于GPT（生成预训练变换器）这一大型语言模型（LLM），利用深度学习生成类似人类的对话文本。大型语言模型是一类通用技术，其灵活性使其能够在多种场景中得到应用。 除了OpenAI的ChatGPT之外，还存在多种生成式AI工具。以下是一些生成式AI工具的例子：Chatsonic、Google AI Bard、LLM-Augmenter、Microsoft Dynamics 365 Copilot、新版Microsoft Bing、Salesforce Einstein GPT以及YouChat。然而，本论文主要集中在生成式AI工具ChatGPT上。ChatGPT是生成式AI中最受欢迎的应用之一，能够处理自然语言提示，提供详细的回应，并帮助用户完成诸如撰写电子邮件、文章甚至编程代码等任务。 该生成人工智能工具“ChatGPT”运行的机制包括训练、输入处理、推理和响应创建等步骤。它是一种由生成人工智能驱动的对话代理，对数字经济产生重大影响，通过革新客户关系、提高运营效率和推动业务扩张来实现这一目标。 这些生成式AI工具通过全天候提供个性化和交互式的支持，改善客户体验，并具备理解并提供类人类响应的能力。 生成人工智能工具（如ChatGPT）作为企业的虚拟助理或客户支持代表，提供按需协助、回应查询并帮助做出购买决策。这导致消费者参与度、满意度和忠诚度的增加。这类创新工具通过自动化重复操作和提供及时准确的响应来提高运营效率，为企业节省时间和资源，并提升销售生产力以增加企业的收入，从而促进数字经济的增长。 生成式AI应用，如ChatGPT，依赖于从训练数据中发现的统计模式，因此有时无法始终产生完美的或上下文相关的内容。目前，模型的能力正在不断提升，语言理解、上下文解释以及生成高质量响应的问题正在得到解决。此外，在微调和部署阶段还会采取额外步骤，以针对各种应用、领域或使用场景定制并优化生成式AI工具（如ChatGPT）。这包括进一步针对特定领域的数据集进行训练，并基于用户输入和实际用户交互进行迭代改进。 尽管生成式AI工具面临诸多挑战，包括伦理挑战，仍吸引了风险投资（VC）投资者的关注，并为生成式AI初创企业提供了融资支持。相比之下，其他所有初创企业的投资则下降了24%。全球范围内，预计到2023年底，生成式AI的投资将达到420亿美元。[1]. 例如，Mistral AI是一家位于巴黎、成立仅一个月的初创企业，获得了1.1亿美元的种子轮融资，用于构建和训练生成式AI模型。 同样 ， Salesforce Ventures 宣布将其生成 AI 基金从 2023 年 3 月的 2.5 亿美元扩大到 5 亿美元[2]在最近关于生成式人工智能（GenAI）经济潜力的报告中提到，当生成式人工智能跨行业应用时，其每年可带来2.6万亿美元至4.4万亿美元的经济收益。他们进一步补充说，这将为目前估计的非生成式人工智能和分析所能释放的1.1万亿美元至1.77万亿美元的经济价值增加15%至40%。[3]政府、商业界乃至此类基于生成性人工智能（GenAI）工具的创造者们希望建立合作，制定平衡的监管框架、标准和原则，以管理这些工具带来的挑战，从而最大限度地从这一新型技术对生产率的影响中获益，这种收益可能以数万亿美元的形式为数字经济带来巨大的财务价值。[4] [5], [3]. 我们注意到许多挑战，包括伦理挑战，如数据安全、问责制、透明度、数字素养和隐私等问题，这些问题可能加剧不平等、增加版权侵权、在训练数据中嵌入偏见、降低可靠性、增强歧视和有毒内容的风险。缺乏全面的监管框架、国家针对GenAI工具的战略和政策不足，以及缺乏完整且高质量的数据。我们在本文后续部分将详细解释这些挑战。 我们还提出了一套建议，基于文献调查（通过系统文献综述方法）和作者与行业专家的非正式交流，涵盖了监管和策略建议。这些建议包括但不限于以下内容：制定伦理准则和生成人工智能工具框架、商业社区（包括零售和消费品行业、健康及教育领域、银行等各行业）早期采用人工智能技术、制定国家生成人工智能战略、为生成人工智能技术的发展、测试和采用提供激励措施、提高公众对生成人工智能工具的认识和数字素养、开发适当的标准和原则以防止生成人工智能工具的副作用。关于每项建议的详细内容将在后续论文部分中提及。[6]. 生成式人工智能及其工具（如ChatGPT）已普及至每一位企业家、风险投资者、首席执行官、记者、政策制定者乃至普通个人之口。他们也必须共同努力，在促进创新与制定监管措施之间寻求平衡，以管理生成式人工智能工具可能带来的副作用。此外，确保不抑制创新及其潜在影响同样重要，包括生成式人工智能对企业和社会可能产生的经济影响。 人工智能是数字合作组织（DCO）议程的核心。在继续现有的人工智能技术努力的基础上，DCO目前正在规划引入多项举措，例如开发人工智能工具包以协助DCO成员国提升人工智能准备度和采用度，并将人工智能整合到成员国的企业系统中，以提高各部门政府机构的生产效率、服务质量以及整体效率。 1.1 人工智能(AI) 和生成 AI 人工智能（AI）的出现以不同的显著方式重塑了时尚企业在数字经济中的运营模式，主要包括自动化与效率提升、数据驱动的决策制定、客户服务、智能虚拟助手、流程优化、高级欺诈检测与安全等。AI是最为基础的变革性新兴技术之一，它有潜力解决我们面临的关键问题，如气候变化和数字鸿沟。 AI，包括生成式人工智能（GenAI），是通过机器，特别是计算机系统，使用高级算法来模拟人类智能以执行原本需要人类智能完成的任务。[7]. 我们推广人工智能的应用，因为它能在健康、教育、经济、司法、农业等多个领域促进高质量的商品和服务的提供，以实现2030年的可持续发展目标（SDGs）。[9], [8]图 1 描述了 AI 和生成 AI 之间的关系。 AI 有可能对79%联合国可持续发展目标[8]. 自然语言处理（NLP）是人工智能学科的一个领域，赋予机器阅读、理解并从人类语言中提取意义的能力。NLP的主要目标是弥合人类交流与计算机理解之间的差距。NLP的一些关键研究任务包括自动摘要、共指解析、话语分析、机器翻译、词形学切分、命名实体识别和词性标注。 NLP 可以分为两个部分。第一部分是自然语言理解 ， 它赋予机器权力 通过提取概念、情感、关键词及其他元素来理解并分析自然语言，以促进对人类语言传达背景的解读。 第二部分是自然语言生成（NLG），涉及生成具有意义、合理且流畅的短语、句子和段落，类似于人类生成的内容，基于内部表示。自然语言生成是生成式人工智能的重要领域。 生成性人工智能（GenAI）是一种能够创建新内容的人工智能，如文本、图像、音频、视频、编程代码、3D模型等。[10], [11]. GenAI 也被称为机器学习框架[10]， 一组算法[12]， 以及深度学习模型[11]. 生成人工智能（GenAI）算法基于大规模原始数据进行自我监督训练的基础模型构建，以发现广泛工作任务背后的模式。基于生成人工智能的系统，如ChatGPT，生成的有效文本与人工生成的文本相似。 是一个 AI Chatbot ， 它依赖于大型语言模型 (LLM) ， 如 GPT 3.5 和ChatGPT GPT-4，在大量文本数据的基础上训练，旨在响应查询、文本摘要和情感分析。 ， 多模态基础模型 ， 可用于创建图像 ， 扩展图像DALL - E 超越其原始尺寸，或修改现有绘画作品。在过去一段时间里，OpenAI（ChatGPT的开发者）还推出了Dall-E 2，这是基于第一代DALL-E的方法改进而来的新型工具，能够生成更多高端且逼真的图像。 这种生成式AI有潜力显著加速AI的采用，即使是在缺乏AI专业知识的组织中。 在人工智能及其子领域中 ， 在各种人工智能模型中 ， 同样受到监督 ，无监督 ， 强化或深度学习 ， 计算机视觉或生成模型 ，语言模型分析和理解大量文本的能力数据备受关注。 例如，生成式预训练变换器（GPT）和ChatGPT是由美国专注于安全且有益地推进人工通用智能（AGI）的组织“OpenAI”开发的。 AI和其他各类人工智能技术涉及学习、推理、感知和决策；因此，这些AI工具和技术有可能在数字经济的多个方面产生影响，例如提供改进的客户服务、提高效率、基于趋势做出决策、增强用户体验等。我们在本文后续部分还将解释通用人工智能（GenAI）及其技术工具在公共和私营部门的应用。 1.2 生成式预培训变压器 (GPT) 生成式预训练变换器（GPT）是由OpenAI开发的语言模型。它是一个基于大量文本数据训练的高级人工智能系统，能够根据提供的提示或上下文