2023 年：是什么推动了生成式人工智能的突破？

关键点：

• 什么是生成式人工智能？
• 这对企业意味着什么？
• 关于生成式人工智能，每位首席执行官都应该了解什么？

今天，我想偏离我通常的开场白。我请巴德（谷歌的实验性人工智能聊天服务）为我写这篇文章的开头段落。

回复如下：

不完美但仍然不错！让我补充一些内容。

那么，什么是生成式人工智能？

生成式“人工”“智能”描述了可用于从经过训练的大量数据中创建新内容的算法。只需几秒钟即可生成一篇文章、一段计算机代码、一封电子邮件、一个 Excel 公式、一个有趣的图像等等。

例如，ChatGPT 可用于生成个性化营销材料或撰写新闻文章。 DALL-E 可用于创建全新的图片和产品设计，或为电影和电视节目制作视觉效果。

想看拉斐尔画的圣母子吃披萨吗？当然，请看看下面 DALL-E 创作的这幅杰作：

说到聊天机器人，我想每个人都听说过 ChatGPT。然而，这只是众多之一。以下是值得注意的替代方案列表：

• 碧玉
• 谷歌吟游诗人
• 谷歌的苏格拉底式
• （新）必应
• 困惑人工智能
• 友聊
• Writesonic 的 Chatsonic
• 拥抱聊天

Midjourney 也是如此 - 最流行的图像生成工具。让我举几个其他的艺术生成器：

• 达尔-E
• 稳定扩散
• 贾斯珀艺术
• 旺博梦想
• 即时狩猎
• 夜间咖啡馆
• 自动绘图
• 设计.ai
• 星空人工智能

让我们深入探讨一下！这一切对企业意味着什么？

2022 年麦肯锡调查发现过去 5 年人工智能的采用率增加了一倍多，人工智能的投资也显着增加。这表明企业越来越认识到人工智能在改善运营和利润方面的力量。

也就是说，我们正处于工人生产力的巨大拐点。

这是上个月发表的一个有趣的实验：

波士顿咨询集团一家全球管理咨询公司正在测试人工智能对其员工的影响。 758 名顾问参与了该实验。任务被随机分配到 3 个条件之一：无 AI 访问、GPT-4 AI 访问或 GPT-4 AI 访问并具有及时的工程概述。

对于人工智能能力范围内的 18 项实际咨询任务中的每一项，使用人工智能的顾问的工作效率显着提高：

• 他们平均多完成了 12.2% 的任务

• 他们完成任务的速度提高了 25.1%

• 他们产生的结果质量提高了 40%

  
  

![来源：https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4573321#

](https://cdn.hackernoon.com/images/dlK0B6h0M0XLk1SRx1Q2XAXyi6y2-jid3ugo.jpeg)

生成式人工智能仍然是一项相对较新的技术，但它有可能对我们的生活产生重大影响。随着生成式人工智能模型变得更加强大和通用，我们预计在未来几年会看到更多创新和突破性的应用。

以下是有关企业如何开始使用生成式人工智能的一些提示：

• 确定您的需求：您需要哪些内容或任务的帮助？生成式人工智能可用于创建各种内容，一旦您知道自己需要什么，您就可以开始识别适合您特定需求的生成式人工智能模型。
• 从小事做起：不要尝试一次做太多事情。首先将生成式人工智能用于单个任务或项目。这将帮助您学习该技术的基础知识并识别潜在的挑战。
• 获取反馈：这将帮助您评估内容的质量并做出任何必要的调整。
• 请耐心等待：生成式人工智能仍然是一项新技术，并且在不断发展。找到适合您需求的生成式人工智能模型并学习如何有效使用它可能需要一些时间。

世界各地的许多公司都在积极测试人工智能工具，我们已经可以看到来自各个领域的第一批用例。

每个首席执行官都应该考虑自动化和加速工作并创造早期影响的一些想法：

良好的第一步是组建一个跨职能团队，其中包括数据科学家、法律专家和职能业务主管。该团队可以思考有关生成式人工智能的一些基本问题，例如：

• 在我们的行业和/或商业价值链中使用生成式人工智能有哪些潜在的好处和风险？

• 我们对生成人工智能的政策和态度是什么？例如，我们是在等待技术如何发展、投资试点还是寻求建立新业务？我们的态度是否应该在不同的业务领域有所不同？

• 考虑到当前生成式人工智能模型的局限性，我们应该使用什么标准来选择目标用例？

• 我们如何为生成人工智能建立一个由合作伙伴、社区和平台组成的有效生态系统？

• 为了保持利益相关者的信任，生成式人工智能模型应该遵守哪些法律和社区标准？

  
  

以下是针对考虑使用生成式人工智能的公司的一些额外提示：

• 从小事做起，专注于特定的用例。
• 对如何使用生成人工智能以及所涉及的潜在风险保持透明。
• 尽早并经常获得利益相关者的反馈。
• 准备好适应技术的发展。

总而言之，生成式人工智能是一项强大的技术，有潜力彻底改变许多行业。然而，企业领导者在采用它时应谨慎，因为它引发了许多道德和实际问题。通过仔细考虑潜在的收益和风险，公司可以在短期和长期内利用这项技术。