充分发挥生成式人工智能的潜力（2023）

充分发挥生成式人工智能的潜力 高管摘要 本内容适合哪些人阅读？ 消费者和企业对人工智能高涨的热情，加上技术的广泛普及，使我们迎来了生成式人工智能的拐点。如今，所有企业都应评估生成式人工智能的影响，以及如何利用其具变革性的价值。 本创新简报有助于企业领导者更好地了解生成式人工智能，并了解如何利用生成式人工智能来改善业务成效。 大多数企业都认识到这一时刻的重要性，并意识到有必要快速制定相应的战略来探索生成式人工智能。但对许多人来说，依然存在许多疑问，包括 ： •什么是生成式人工智能？•生成式人工智能与前几代人工智能（AI）有何不同？•主要商业应用场景有哪些？•哪些客户已经在使用？•我应该如何开始？•有哪些风险，如何降低风险？ 本业务创新简报将概述生成式人工智能，介绍其功能、应用场景和商业价值。简报中还提供亚马逊云科技主题专家的宝贵见解，以便您可以借鉴我们在人工智能和机器学习（ML）技术方面的丰富知识和经验。 目录 引言 ：开启智能新世界...................................................................................4了解生成式人工智能......................................................................................7生成式人工智能的业务功能.............................................................................9生成式人工智能的商业考量............................................................................10高管对生成式人工智能的洞见.........................................................................12各行业的常见生成式人工智能应用场景..............................................................13亚马逊云科技如何协助您利用生成式人工智能取得成功..........................................16迈出下一步................................................................................................19 引 言 开启智能新世界 生成式人工智能能够创建复杂的内容、生成代码、回答问题等-所有这些都只需简单的自然语言提示，而且通常可在几秒钟内完成，令消费者和企业都为之着迷。 对该技术的认识正在以前所未有的速度传播。Fishbowl对美国大型企业的近4,500名专业人士进行了一项调查，结果显示，27%的专业人士已经使用生成式人工智能来协助完成与工作相关的任务。1 虽然消费者使用生成式人工智能的方式已引起广泛关注，但在企业如何利用生成式人工智能为客户和员工提供出色体验方面，依然蕴藏着无穷机遇。生成式人工智能的真正实力远不止搜索引擎或聊天机器人这么简单，它将改变公司和企业运营方式的方方面面1。Gartner预计，到2025年，大型企业30%的对外营销信息将由人工智能生成。2 把握机遇 各行各业的企业都在争先恐后，力图抓住生成式人工智能带来的经济机遇。如果主流财务预测被证明是准确的，那么生成式人工智能的崛起很可能会开创全球经济的新时代。 全球生成式人工智能市场 市场预计以34.2%的年复合增长率增长4 根据高盛集团（Goldman Sachs）的研究，未来10年内，生成式人工智能可使全球GDP增长高达7%，约合7万亿美元。3 这些引人注目的财务预测并非仅由消费者的兴趣所驱动。生成式人工智能在提高企业生产力和产出方面的潜力同样令人兴奋，甚至更能激发人们对这项技术的热情。 对于各行各业、各种规模的企业来说，生成式人工智能是一项革命性技术，已开始创造巨大的价值，并且能够从根本上改变商业格局。 战略要务 世界各地各行各业的企业都希望利用生成式人工智能来重塑客户体验、提高员工生产力、激发创造力并优化业务流程。 然而，对于大多数企业来说，实现这些优势的路径仍不明朗。 许多企业认识到有必要投资于生成式人工智能，而且要尽快投资，以免被竞争对手抢占先机。然而，很少有企业能成功地制定出一套策略，来指导团队如何采用该技术、将其用于何处或如何实现和衡量其成果。 下文将让您了解到，您的企业如何立即开始实现生成式人工智能的商业价值，从而跟上市场发展速度，并超越竞争对手。 了解生成式人工智能 传统的机器学习形式使我们能够获取简单的输入（如数值），并将其用于生成简单的输出（如预测值）。随着深度学习的出现，我们可以获取复杂的输入，如视频或图像，并将其用于生成相对简单的输出，例如，图像中是否包含一只猫。有了生成式人工智能，我们可以利用海量复杂数据，以更先进的方式捕捉和呈现知识，从而利用复杂的输入生成复杂的输出，比如总结长文档并提取关键洞察。 要想深挖生成式人工智能的商业价值，您的企业必须对该技术的工作原理有基本的了解。 “生成式人工智能”这一术语用于描述可以生成新内容和想法（包括对话、故事、图像、视频和音乐）的算法。生成式人工智能由超大型机器学习模型提供支持，这些模型利用海量数据进行了预训练。这些模型通常称为基础模型（FM）。 基于文本的生成式人工智能系统使用一种名为大型语言模型（LLM）的特定类型基础模型。LLM可以执行各种跨多个领域的任务，例如编写代码、解决数学问题、参与对话以及分析文档中的信息以回答问题。 通过量身定制进一步发展基础模型 生成式人工智能发展史上的关键时刻： 可以根据企业的专有数据进行量身定制，以提供比“开箱即用的基础模型”更准确的输出，这有便于公司开发新的专有产品和服务。例如，一家跟踪购物者偏好的大型百货连锁店可以定制基础模型，来生成一个明显有别于竞争对手产品且更好的推荐引擎。 如今用于创建生成式人工智能应用的基础模型，建立在具有悠久历史的人工智能创新之上。隐马尔可夫模型（HMM）和高斯混合模型（GMM）是具有生成式人工智能功能的两种模型，两者均于20世纪50年代开发。HMM使用已知数据对未知数据进行有根据的猜测（例如，根据牌局结果预测牌手是否作弊）。GMM可以细查一组数据（如音乐播放列表）和该数据中的子组（如流派），从而推断出未知信息（如“这是一首说唱歌曲”）。这两种方法至今仍在使用。 企业还可以使用定制版基础模型，来轻松创建体现其品牌调性和风格的独特内容。例如，一家需要自动生成每日活动报告供内部传阅的金融公司，可以利用专有数据（包括过去的报告）来定制基础模型。随后，基础模型可以学习如何编制这些报告，以及生成报告时使用了哪些数据。 现在，您已经大致了解了这项技术的运作原理，下面让我们开始探讨如何让生成式人工智能为您的企业效劳。 高斯混合模型 生成式人工智能的业务功能 生成式人工智能发展史上的关键时刻 ： 生成式人工智能的另一个早期例子是ELIZA，这是麻省理工学院的一位教授在1964至1966年期间开发的一款聊天机器人（即“chatbot”，以前称为“chatterbot”）。这款程序的名称来自《皮格马利翁》和《窈窕淑女》 中的主人翁Eliza Doolittle，该程序与Eliza Doolittle一样，通过“学习”人类的互动而变得越来越先进。ELIZA著名的用途是模仿心理医生进行初次精神问诊的行为，由用户扮演病人。 许多行业的企业都在使用生成式人工智能来提高生产力，并以多种方式创造商业价值，其中包括： 生成代码 虚拟助手 利用人工智能代码编写助手Amazon CodeWhisperer将开发人员的工作效率提高57%5 利用真人般的回应来提升客户体验 对话式搜索从您的全部企业信息中提取洞察 联系中心数据分析总结并提取客户通话中的洞察 内容生成 个性化 创建文本、制作图像、视频和音乐 优化个性化推荐并生成定制内容 设计和创造力 获取建议、生成原型、探索创新概念 生成式人工智能的商业考量 在您努力了解对贵企业有用的生成式人工智能的功能，并制定将其实施到业务流程中的策略时，您需要确定在创建生成式人工智能应用程序时，应使用哪些基础模型。 在评估用于创建生成式人工智能应用程序的基础模型时，建议寻找具备以下优势的模型： •轻松构建生成式人工智能应用程序•经济高效的基础设施•生成式人工智能驱动的应用程序•灵活的机器学习工具 您还应该仔细考虑将用于支持基础模型的基础设施应采用哪种。您的模型将受益于满足您性能要求且经济高效的基础设施。 负责任的人工智能、安全和隐私 生成式人工智能发展史上的关键时刻： 2014 年，首个生成式对抗网络（GAN）的开发标志着生成式人工智能领域取得了一个重大突破。在GAN 中，两个模型（“生成器”和“判别器”）进行零和博弈。生成器生成的内容看起来越来越“真实”，而判别器则分析对手的技术以更好地识别假数据。这种使用人工智能训练其他人工智能的新颖方法被证明具有启发性，而 GAN 本身也开启了数字图像的新时代。 由于基础模型的庞大规模和开放性质，人们担忧能否在整个开发周期内负责任地运用人工智能，而基础模型在定义、衡量和减轻这些疑虑方面面临新的问题，例如准确性、公平性、知识产权（IP）顾虑、幻觉、毒性和隐私等。例如，从公平性的角度来看，我们是否可以要求LLM在提及医生时，以相同的比例分配男性和女性代词？如果提示描述医生有胡子，这是否仍然适用？对于其他职业，我们是否应该也这样做？美国国家女子篮球协会（WNBA）又该怎么处理？您可以看到，在LLM的背景下简单地定义公平性是具有挑战性的，需要新的方法和解决方案。 生成式人工智能技术及其用途将继续演变，带来需要额外关注和化解的新挑战。为了应对这些挑战并推动创新，学术界、行业和政府合作伙伴正在共同努力探索新的解决方案和概念，共同确保生成式人工智能继续以负责任、私密和安全的方式演进。 在下一节中，我们将邀请一位亚马逊云科技行业领导者分享他在云最佳实操、文化变革、组织敏捷性和生成式人工智能转型方面的经验和策略。 数据安全和隐私对于以负责任的方式扩展生成式人工智能也至关重要。如果要定制和微调模型，企业需要知道他们的数据在何处使用，以及使用方式。企业需要确信自己的私有数据没有用于训练公有模型，并且客户数据仍然是私有的。企业需要从一开始就融入安全性、可扩展性和隐私保护等元素，来满足其业务应用的需要。 阅读博文《生成式时代负责任的人工智能》了解详情› 高管对生成式人工智能的洞见 与任何成为主流的新技术一样，生成式人工智能也有学习曲线。高管们正在询问生成式人工智能适合或不适合的情形、如何有效地使用它以及其它非技术考虑因素。 历史告诉我们，只有当人员、流程、技能和文化与技术一起得到解决时，我们才能看到深刻而积极的变化。借鉴了历史经验，再根据我们采访数千名客户下来的经验，我对那些对生成式人工智能感兴趣的人的建议很简单 ： Phil Le-Brun亚马逊云科技企业战略总监 首先，保持好奇心。了解什么是生成式人工智能，为什么它能激发人们的想象力，以及它可以解决哪些问题。自定义模型时，深入研究数据安全等领域。鼓励其他人也学习这些东西，而不是将它们委托给您的IT团队。 其次，放宽视野，从客户出发进行反推。这是亚马逊云科技的标准思维方式！真正了解您业务中存在哪些机会，无论是提高供应链效率、开发新服务还是改进客户服务的机会。在寻求解决方案之前，先积极地剖析问题，找出可以降低成本、提高弹性或增加收入的领域。把握机会，放宽视野，局限性思考只能带来局限性的结果。 Phil于20