人工智能为每个人服务

目录 08192122人工智能的未来正在加速术语表和参考文献展望技术、监管和商业的快速演变作者04我们是如何来到这里的？| 生成式人工智能之旅中的里程碑05消耗或定制：面向所有人的生成式人工智能12拥抱生成式人工智能时代：六项采用要点03欢迎来到人工智能的新转折点 欢迎来到人工智能的新转折点引言ChatGPT唤醒了世界对人工智能（AI）变革潜能的认识，吸引了全球关注并引发了一股前所未见的创造性浪潮。其模仿人类对话和决策的能力，给了公众采用AI的第一个真正转折点。终于，每个人，无论在哪里，都能亲身体验到这项技术的真正颠覆性潜力。两个月后，ChatGPT达到了1亿月活跃用户，成为历史上增长最快的消费者应用程序。 ChatGPT背后的LLM标志着人工智能的重要转折点和里程碑。有两点使LLM具有变革性。首先，它们破解了语言复杂性的难题。现在，机器第一次能够学习语言、上下文和意图，并独立地进行生成和创造。其次，这些模型在海量数据（文本、图像或音频）上进行预训练后，可以针对广泛的任务进行适应或微调。这使它们能够以多种不同的方式重复使用或重新配置。基础模型是一种通用术语，指拥有数十亿参数的大型模型。随着最近的进展，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。大语言模型（LLM）既是生成式AI的一种，也是基础模型的一种。1 面向所有人的生成式AI新纪元 | 3商业领袖认识到这一时刻的重要性。他们可以看到LLMs和生成式AI将从根本上改变从商业到科学再到社会本身的一切，开辟新的绩效前沿。对人类创造力和生产力的积极影响将是巨大的。考虑一下，在所有行业中， Accenture发现40%的所有工作时间都可能受到像GPT-4这样的LLMs的影响。这是因为语言任务占员工总工作时间62%，并且65%的这些时间可以通过增强和自动化转化为更富有生产性的活动（见图3）。 我们是怎么到这儿的？生成式人工智能之旅中的里程碑 深度学习：视觉和语音阶段生成式人工智能：进入语言掌握阶段机器学习：分析和预测阶段机器领域的感知能力，以对物体进行分类和检测深度学习模型的能力，2020年代将会有如此影响，这将对商业产生深远影响，2010年代推动了人工智能学习领域的进阶，即深度学习。深度学习的突破使计算机视觉21世纪第一个十年标志着能够分析海量在线数据以从结果中得出结论——或“学习”——的各种机器学习技术的快速发展。自那以来，公司就基于规模和语言掌握能力的指数级增长。OpenAI 开发的 GPT-4 语言模型，标志着一个新 面向每个人的生成式AI新时代 | 4逐步引入基于语言的 AI 应用能力。模型，因为语言渗透了组织日常所做的一切——其机构知识、沟通和流程。搜索引擎和自动驾驶汽车使用语音识别，这使得流行的AI语音助手能够以自然的方式响应用户。将机器学习视为一个极其强大的领域，用于分析数据、发现模式、产生洞见、做出预测和自动化任务，其速度和规模是以前不可能达到的。 2 消耗或定制：面向所有人的生成式人工智能 消耗或定制：面向所有人的生成式人工智能97%的全球高管同意AI基础模型将实现跨数据类型的连接，革新了AI的使用地点和方式。3易于消费的生成式人工智能应用，如ChatGPT、DALL-E、Stable Diffusion等，正在快速使这项技术在商业和社会中民主化。这对组织的影响将是深远的。LLM处理海量数据集的能力，使它们有可能“知道”一个组织所知道的一切——包括该业务的全部历史、背景、细微差别和意图，以及其产品、市场和客户。任何通过语言传达的内容（应用程序、系统、文档、电子邮件、聊天、视频和音频录音）都可以被利用来驱动下一级别的创新、优化和重塑。 自定义我们在采用周期中处于一个阶段，大多数组织开始通过现成的消费基础模型进行实验。然而，对于许多人来说，最大的价值将来自于他们使用自己的数据定制或微调模型以解决其独特需求：生成式AI和LLM应用已准备就绪消耗并且易于访问。公司可以通过 API 消费它们，并通过提示工程技术（如提示调整和前缀学习）在一定程度上为自身的用例进行定制。但大多数公司都需要个性化定制通过用自身数据对模型进行微调，使其具有广泛的可用性和价值。这将使模型能够全面支持各个业务领域的下游任务。其效果将是提高企业利用人工智能解锁新绩效前沿的能力——提升员工能力、让客户满意、引入新的商业模式，并增强对变革信号的响应能力。 考虑这些关键功能的影响：建议。人工智能模型将成为每位员工都离不开的副驾驶，通过把新式高度个性化智能赋予人类，从而提升生产力。例如客户支持、销售赋能、人力资源、医疗和科学研究、企业战略和竞争情报。大型语言模型在应对约70%的非直接客户服务沟通时可能很有用，这类沟通可以从对话式、强大且智能的机器人中受益，机器人能够理解客户意图，自行制定答案并提高答案的准确性和质量。4公司将会使用这些模型来重塑工作方式每个企业中的每个角色都有被重新创造的潜力，随着人类与AI协同驾驶员一起工作成为常态，极大地增强了人们能够取得的成就。在任何特定的工作中，某些任务将被自动化，某些将被协助，而有些则不会受这项技术的影响。还将有大量新任务供人类执行，例如确保新AI驱动系统的准确和负责任使用。 编程。软件编码人员将使用生成式人工智能来显著提高生产力——快速将一种编程语言转换为另一种，掌握编程工具和方法，自动化代码编写，预测和预防问题，以及管理系统文档。埃森哲正在试点使用 OpenAI 大型语言模型来通过自动生成文档来提高开发人员的生产力——例如，SAP 配置原理和功能或技术规格。该解决方案使用户能够在工作时通过微软 Teams 聊天提交请求。打包正确的文档随后会快速返回——这是一个很好的例子，说明了具体任务而不是整个工作将如何被增强和自动化。创建。生成式人工智能将成为人们不可或缺的创意伙伴，揭示接触和吸引受众的新途径，并在生产设计、设计研究、视觉识别、命名、文案生成和测试、以及实时个性化等领域带来前所未有的速度和创新。企业正转向使用达·芬奇、中之旅和稳定扩散等最先进的人工智能系统为其社交媒体视觉内容生成业务提供支持。例如，达·芬奇可以根据文本描述创建逼真的图像和艺术，并在将文字转化为图像时处理高达120亿个参数。创建的图像随后可以在Instagram和Twitter上分享。5 面向每个人的生成式人工智能新纪元 | 7自动化。生成式AI对历史背景的复杂理解、最佳后续行动、摘要能力和预测智能将催化后台和前台的新超效率时代和超个性化——将业务流程自动化提升到变革的新水平。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——自动起草带有推荐行动的消息并将其路由到收件人。其结果是减少了人工工作量，并使与客户的互动更加顺畅。保护。随着时间推移，生成式人工智能将支持企业治理和信息安全，防范欺诈，提升合规性，并通过绘制组织内部和外部的跨域联系和推理来主动识别风险。在战略网络防御中，大语言模型可以提供有用能力，例如解释恶意软件和快速分类网站。6然而，短期内，组织可以预期犯罪分子会利用生成式AI的能力来生成恶意代码或编写完美的钓鱼邮件。7 展望技术、监管和商业的快速演变 对技术、监管和商业快速发展的前瞻技术栈像这样的时刻并不常有。未来几年将看到对生成式AI、LLM和基础模型的巨额投资。这种演变的独特之处在于，技术、监管和商业采用都在同时呈指数级加速。在之前的创新曲线中，技术通常都领先于采用和监管。支撑生成式人工智能的复杂技术在每一层都预计将快速发展。这具有广泛的企业影响。考虑一下，训练最大人工智能模型所需的计算量已呈指数级增长——根据各种报告，现在每3.4至10个月就会翻一番。8因此，在采用高能耗生成式人工智能时，成本和碳排放是核心考量。“目前最火爆的新编程平台是餐巾纸。”参考使用OpenAI从纸条画中生成一个可运行的网站保尔·道尔蒂，埃森哲集团首席执行官兼首席技术官 面向每个人的生成式AI新时代 | 9基础设施：云基础设施对于部署生成式人工智能、管理成本和碳排放至关重要。数据中心需要进行改造。新的芯片组架构、硬件创新和高效的算法也起着关键作用。应用：生成式AI和LLMs将越来越通过API被云用户使用，并通过直接嵌入到其他应用程序中而变得可用。公司将原样使用它们，或者将使用专有数据对其进行定制和微调。微调：模型微调的重要性将创造对跨软件工程、心理学、语言学、艺术史、文学和图书馆学等多学科技能的需求。基础模型：随着更多预训练模型的涌现，市场将迅速成熟和多样化。新的模型设计将为平衡大小、透明度、通用性和性能提供更多选择。数据：提升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、新数据类型和海量数据。现代数据平台中的生成式人工智能功能将出现，从而大规模增强应用。 人工智能系统需要通过多元化的包容性输入来“培养”，以便它们能够反映更广泛的企业和社会规范，包括责任、公平和透明。当人工智能在伦理框架内进行设计和实施时，它能够加速负责任协同智能的潜力，在这种智能中，人类的创造力与智能技术相结合。这为消费者、员工和社会建立了信任的基础，可以提升业务表现并释放新的增长来源。 风险与监管环境公司将拥有数千种应用生成式人工智能和基础模型的方法，以最大限度地提高效率并推动竞争优势。可以理解，他们希望尽快开始。但是，企业级战略需要考虑他们打算使用的所有人工智能变体和相关技术，而不仅仅是生成式人工智能和大型语言模型。生成式人工智能技术，包括ChatGPT，在设计上必须是负责任的和合规的，并且模型和应用不应为企业带来不可接受的风险。埃森哲早在2017年就通过其在《商业道德准则》中对技术的负责任使用，包括对人工智能的负责任使用，成为先驱者。负责任的AI是根据明确的原则设计、构建和部署AI，以赋能企业、尊重人类、造福社会——让公司能够在AI中建立信任，并满怀信心地扩展AI。ChatGPT引发了关于人工智能负责任使用的重要问题。技术发展和应用的速率要求公司密切关注他们可能正在承担的任何法律、道德和声誉风险。 数据隐私和安全：即将出台的法律法规（如欧盟人工智能法案）将如何在数据的处理、处理、保护、安全和使用方面进行整合？身份：当身份认证依赖于语音或面部识别时，验证方法将如何增强和改进？其滥用将带来什么后果？产品责任：在基于生成式人工智能的产品上市之前，需要建立哪些健康和安全机制？歧视：公司是否在使用或创建需要考虑反歧视或反偏见因素的工具有？信任：应向消费者和员工提供何种程度的透明度？企业如何确保生成式AI输出的准确性并维护用户信心？知识产权：企业将如何保护自身的知识产权？以及如何在使用预训练基础模型时防止第三方版权的意外侵犯？ 商业采用规模近六成的组织计划将ChatGPT用于学习目的，超过一半计划在2023年开展试点案例。超过四成的组织希望进行大量投资。企业必须重新定义工作，以找到通往生成式AI价值的路径。商业领袖必须引领变革，从现在开始，在重塑工作、重塑任务和重新培训人员方面。最终，企业中的每个角色都有潜力被重塑，一旦当今的工作被分解为可自动化或辅助的任务，并重新构想为人类+机器工作的新未来。生成式人工智能将颠覆我们今天所知的工作方式，引入人与人工智能协作的新维度，大多数工作者将拥有“副驾驶”，从根本上改变工作的方式和内容。几乎每项工作都将受到冲击——一些将被淘汰，大多数将被转型，并将创造许多新工作。现在就采取措施将工作分解为任务，并投资于培训人们与机器不同地协作的组织将定义新的绩效前沿，并在思维不够缜密的竞争对手面前占据巨大优势。 9 面向每个人的生成式AI新时代 | 11基于他们在2021年在美国就业水平更高潜力自动化更高潜力增强较低潜力增强或自动化非语言任务40%的工作时间产业可能会受到大型语言模型 (LLMs)为什么会出现这种情况？语言任务占工作总时间的62%在美国。在语言任务的整体份额中，65%具有高潜力要被 LLM 自动化或增强。按行业划分的工作时间分布及潜在的人工智能影响抱歉，您没有提供需要翻译的mark