生成式人工智能格局：2024年及以后的趋势

　　生成式人工智能领域正在迅速扩张，尽管带来了巨大的挑战，但也带来了巨大的好处。

　　生成式人工智能是人工智能的一种形式，它依赖于自然语言处理、大规模训练数据集和先进的人工智能训练策略，如神经网络和深度学习，来生成类似于人类制作的原创内容。

　　技术专业人士和娱乐用户都越来越熟悉ChatGPT这样的内容生成模式，ChatGPT于2022年首次出现。但这个生成式AI的例子只触及了生成式AI可以做什么，以及其的发展方向。

　　在本篇生成式人工智能领域指南中，我们将探讨生成式人工智能的能力，以及它是如何出现并变得如此流行的。我们还将研究生成式人工智能领域的当前趋势，并预测消费者在不久的将来对这项技术的期望。

　　生成式人工智能的现状

　　尽管生成式人工智能技术仍然相对较新，但当前的人工智能模型已被用于满足一系列个人和商业用例。以下是当今生成式人工智能领域中一些最常见的应用和人工智能示例：

　　个人用途：生成式人工智能工具的娱乐用户经常使用其来生成文本内容;具体用例包括问答、旅行和活动规划、对话和研究。

　　人工智能助手、聊天机器人和搜索：人工智能驱动的搜索引擎和副驾驶正在迅速发展。一些初创企业还提供由生成式人工智能支持的企业搜索工具。

　　开发人员任务：生成式AI开发人员工具可以预测代码序列、支持问题解决、记录现有代码以及自动化编程任务。

　　创意内容生成：除了文本生成之外，多种生成式人工智能模型还可以生成音频、视频和图像。人工智能内容生成的一些最新趋势包括音乐、视频游戏和播客内容创作。

　　计算机视觉：合成数据生成和3D模型创建可应用于计算机视觉用例，例如驾驶员监控和行人检测、AR/VR/XR、虚拟试穿等。

　　语音音频合成：人工智能生成的语音可用于营销视频等企业项目;人工智能语音选项正在迅速以多种语言和音调提供。

　　如今，这些示例以及更多示例被广泛应用于各种行业和业务部门，包括市场营销和销售、客户服务和联络中心、医疗保健和制药、生物学和生物物理学、娱乐、法律和政府、金融和银行以及电子商务。

　　推动生成式人工智能格局的关键技术和创新

　　生成式人工智能目前正在大规模兴起，主要原因有两个：1)更成熟的神经网络技术已经实现;2)模型和计算能力现在更容易获得。

　　2017年，Google首次提出了一种名为Transformer的神经网络架构，为现今使用的生成式人工智能奠定了基础。借助Transformer，创建更高质量的语言模型成为可能，这些模型可以更有效地进行训练并具有更多可定制的功能。此时，带有预测文本的工具和简单的人工智能聊天机器人开始出现并逐渐成熟。

　　然而，即使有了Transformer和相关神经网络架构的发展，生成式人工智能模型仍然极其昂贵且难以开发和操作。处理生成式人工智能查询需要的电力资源是大多数企业所不具备的。

　　从2022年开始，计算能力和AI平台基础设施层开始赶上生成式AI工具的处理要求，使更多企业能够开发生成式AI技术。更重要的是，这项创新使得现有的生成式人工智能开发人员能够以实惠的价格将其模型扩展到其他用户。

　　大约在同一时间，新的神经网络技术，如扩散模型，也出现了，降低了生成式人工智能开发的进入门槛。

　　随着生成式人工智能现在需要更少的能源和金融投资，生成式人工智能领域已经扩大到包括一些成熟的科技企业和生成式人工智能初创企业。随着现有模型通过API、有限的免费版本和开源软件扩展到更多用户，格局不断发展，从而定期开发新的应用和用例。

　　塑造生成式人工智能格局的主要参与者和初创企业

　　OpenAI显然是生成式人工智能领域的领导者，目前估值约为800亿美元。凭借与Microsoft的密切关系、其GPT-4模型、非常受欢迎的ChatGPT工具，以及在其他形式的多模式内容生成方面的持续创新，OpenAI已做好持续增长和第三方投资来推动增长的准备。

　　Amazon和IBM等主要技术企业也在推动生成式人工智能领域的发展，但目前最引人注目的巨头是Microsoft和Google。尽管Microsoft在向公众提供实际的生成式人工智能工具方面起步较早，但两家企业现在都提供支持多模式内容生成、人工智能驱动的聊天、人工智能辅助等的工具。

　　这一领域的其他领导者包括：

　　Cohere

　　Jasper

　　Anthropic

　　Glean

　　Stability AI

　　Inflection AI

　　生成式人工智能领域的5个新兴趋势

　　尽管生成式人工智能的影响力迅速增强，但早期的采用率表明，未来的影响力将更加广泛，从教育到虚拟现实，影响各个领域。详细了解当今的新兴趋势，这些趋势可能会在生成式人工智能的未来使用中发挥作用。

　　市场营销自动化

　　目前，生成式人工智能经常用于营销、销售和类似的创意内容生成任务。虽然用户可以手动将其内容请求输入到生成式人工智能聊天机器人和模型中，但许多人工智能供应商现在可以让用户通过人工智能助手或副驾驶进行最少的提示，以自动执行内容生成任务。

　　例如，自动化可用于社交媒体和博客内容编写、多渠道视频和图像内容创建以及入站和出站电子邮件营销工作流程。

　　目前，这些工具中的许多工具在使用的语言和支持的上下文窗口方面都受到限制。随着该用例的成熟，预计会看到更多具有更大上下文窗口的多语言解决方案，从而可以提出更长、更复杂的查询。

　　产品和软件开发支持

　　无论是经验丰富的开发人员还是没有编码知识的新手，现在有多种生成式人工智能工具可以协助完成不同的编程任务。以GitHubCopilot为例，该工具直接与用户的GitHub帐户和生态系统配合使用，帮助完成代码、代码片段、故障排除以及简单语言代码生成和解释。随着对自然语言输入的重视，任何人都可以生成代码来解决各种产品和软件开发问题。

　　增加教育用途和影响

　　学生们已经在使用ChatGPT等工具来回答家庭作业问题或写论文，老师和家长对此感到担忧。

　　尽管这些大型语言模型不一定“知道”教育作业的答案，但其训练使之能够准确预测各种输入的文本序列，从而使学生能够使用这些工具来解决课堂问题。当然，这可能会对学生的教育产生负面影响，但如果教育系统学会如何将人工智能解决方案作为辅助学习工具实施，也可能使学生和老师受益。

　　就像过去课堂技术发生变化一样——高射投影仪。生成式人工智能将要求教师改进其教育方法。例如，虚拟学习是生成人工智能的一个令人兴奋的领域，正在快速发展。生成式人工智能游戏和人工智能讲故事解决方案现已发布，为教师提供教学支持，并采用新的方式向学生提供教育内容。

　　但仍然存在基于人工智能的抄袭问题。为了打击学生依赖ChatGPT和类似工具做作业的倾向，教师可以使用现已发布的众多免费AI内容抄袭检测器之一。尽管这些工具并不完美，但可以有效地估计人工生成的内容的百分比。

　　随着教育问题的增长，用户可以期待这些抄袭检查工具也会不断发展。

　　嵌入式人工智能应用

　　Microsoft等少数大型技术企业现在提供人工智能助手，指导用户在网络上的搜索体验，或支持Microsoft365等办公套件解决方案中的内容生成和任务完成。Google也效仿了Gemini，增加了功能，以便该工具可以使用直接在Gmail、文档等中。此外，一些最大的生成式人工智能初创企业，如Cohere和Glean，为用户提供人工智能驱动的企业搜索工具。

　　随着辅助企业工具不断扩展其特性和功能，许多企业将开始效仿Microsoft、Google，将这些应用程序嵌入到其网站、产品和内部软件中，为员工和客户创造更好的自助服务用户体验。

　　情境化、全球生成人工智能

　　当今大多数生成式人工智能模型都存在基于时间和语言的限制，但一些生成式人工智能供应商已经扩展了其工具，以支持更多语言和方言。随着生成式人工智能在世界各地的需求不断增长，越来越多的供应商需要确保其工具能够接受输入，并以最小的错误创建符合各种语言和文化背景的输出。

　　此外，生成式人工智能模型需要向用户提供更准确、实时的信息，以保持其参与度。尽管ChatGPT是目前最流行的内容生成和大型语言模型，但最终可能会落后于Gemini等竞争对手，Gemini拥有连接到互联网并根据最新信息生成答案的免费版本。相比之下，ChatGPT的免费版本目前可使用2023年4月停止的数据，并且没有实时互联网连接，但付费版本可以访问Bing。

　　生成式人工智能景观：网络安全影响

　　生成式人工智能工具可用于模拟攻击和环境、威胁情报以及敏感数据的合成数据数字孪生。虽然生成式人工智能在战略性使用时支持这些更强大的安全保护和实践，但也可能被恶意行为者和黑客操纵，这些人知道生成式人工智能模型如何训练，以及如何使用数据的秘密和解决方法。

　　越来越多的生成式人工智能供应商正在将其网络安全方法推进到向公众提供的工具中，但仍然有许多生成式人工智能解决方案没有也不会为高度监管的行业中的企业或处理敏感数据提供必要的网络安全保护。

　　假设生成式人工智能工具为企业提供正确的网络安全保护，可能会导致各种问题，包括知识产权或私人数据被盗、消费者信任丧失以及法律和合规问题。

　　无论是使用其他供应商的AI模型还是开发自己的AI模型，都可以遵循以下一些最佳实践来保护数据和用户：

　　熟悉AI供应商数据使用和存储策略。

　　请勿使用敏感数据进行训练或输入敏感数据。

　　培训员工如何正确使用这些工具和企业数据。

　　制定人工智能治理政策。

　　使用涵盖现代威胁形势的数据治理和网络安全工具，包括第三方人工智能应用。

　　生成式人工智能领域的未来方向

　　根据当前的发展、优先事项和公众的兴趣，预计在未来的生成式人工智能领域将出现新的增长和机遇：

　　生成式人工智能和虚拟现实

　　视频和3D模型是当今增长最快的生成式AI模型格式。这种增长在人工智能视频内容营销中尤其明显，其利用头像、音频合成和其他生成式人工智能功能来大规模创建引人注目的营销内容。

　　营销创意内容、游戏和娱乐媒体当然可以从人工智能的进步中受益，但生成模型对虚拟现实(VR)和增强现实(AR)技术(元宇宙)的影响是许多人最焦急等待的。

　　随着模型不断完善，其可以处理更多数据，创建更高分辨率的媒体，并接受更长的上下文窗口，预计生成式人工智能技术将创造出身临其境的体验，让虚拟现实感觉真实。

　　改变职业道路和机会

　　生成式人工智能工具已经在补充某些类型的工作，并且在未来可能会取代某些类型的工作。但这不应该给普通职业人士敲响警钟，只要他们愿意随着工作期望的变化而调整和发展自己的技能。

　　例如，许多作家目前专注于搜索引擎优化写作，这是一种主要涉及制作在搜索结果中排名靠前的内容的写作形式。这正是人工智能模型通过算法训练可以产生的内容类型。对于随着大型语言模型变得更加强大而担心自己工作保障的作家而言，发展新的战略技能，如编辑规划和内容质量保证管理，以及与重视人类创造力和研究的企业合作将非常重要。

　　从好的方面来讲，这些工具已经使某些类型的重复性任务变得更加容易，例如发送电子邮件、起草电子表格、记录操作项目和做笔记。辅助工作场所功能未来可能会扩展到更复杂的任务，例如集思广益整个产品发布计划，以及从头到尾处理人力资源入职。

　　当员工从这些耗时的任务中解放出来时，将能够比以往更加专注于更高价值的战略工作。

　　专门的行业应用和工具

　　尽管许多专业行业应用和工具已经发布，但一些行业的复杂性和产品发布需求使得快速发布这些工具变得非常棘手。因此，其中一些行业在人工智能的使用方面落后于其他行业。

　　人工智能医疗保健领域就是一个很好的例子。该领域对生成式人工智能充满活力和兴奋，但目前生成式人工智能产品的发布出现了相当大的波动和停滞。这可能有多种原因，但可以肯定的是，受到严格监管的PHI和PII数据，以及所涉及的行业特定专利(即药品专利)，使得跨越所有障碍并继续前进变得更加困难。

　　未来几年，随着这些工具变得更加成熟，人工智能供应商提高其透明度和可解释性，我们应该会看到受监管和复杂行业的更多增长，包括医疗保健/患者关系、药品和药物发现、保险以及金融和银行业。

　　加强监管和道德影响

　　在大多数地区和行业，人工智能的使用基本上不受监管，这可能会导致一系列问题。一些用户已经因其个人数据成为模型训练数据和潜在输出的一部分而遭受后果，而另一些用户则对这些解决方案中的数据存储和相关安全协议发出了警报。尽管一些人工智能供应商独立选择使其培训流程、数据收集方法和总体战略更加透明，但管理机构几乎没有采取任何措施来强制执行这种透明度。

　　预计这种情况很快就会改变，尤其是在欧盟。《欧盟人工智能法案》是一项全面的人工智能法律，规范人工智能供应商如何使用人工智能驱动的自动化并收集个人数据，同时要求某些类型的披露和透明度，该法案于2023年12月9日在议会和理事会之间达成了一项临时协议。正式通过是内部市场和公民自由委员会对该法律进行投票后，预计将于2024年实施。

　　其他国家，包括韩国、新加坡、中国和美国，要么已经提出了人工智能监管框架，要么正在制定零碎的人工智能法规，随着生成式人工智能工具不断增强其能力并在公共领域发展，所有这些都可能成为更高的优先事项要求。

　　随着立法和公众对生成人工智能危险的认识的预期增加，计划看到更多的生成式人工智能供应商不仅遵守这些法律，而且还采取公共关系措施，进一步解释他们正在采取的道德和负责任的人工智能步骤。

　　利用生成式人工智能格局进行创新

　　无论是人工智能开发人员、商业用户还是普通用户，生成式人工智能领域已经成熟，可以带来新的创新和机遇。为了充分利用这些工具和整个技术领域，建议采取以下策略：

　　与成熟或利基的人工智能供应商合作：与具有特定行业或用例方面拥有丰富经验的人工智能和AIaaS供应商进行合作，如Microsoft、Google。

　　试验微调模型：微调模型允许用户使用基线模型的高级功能，并将其自定义为更具体的功能。根据预算和内部技术专业知识，开源模型可能为微调项目提供最佳价值。

　　致力于多模式输入和输出：用户越来越多地使用人工智能内容生成工具来创建文本、代码、图像和其他类型的内容。如果正在开发供内部或公共使用的人工智能工具，请努力创建适合这种多模态的界面和培训方法。

　　优先考虑多语言能力：生成式人工智能的全球民主化是生成式人工智能领域成熟的重要下一步。尽管多语言训练可能很困难，但一些开源模型现在为多种语言和方言提供基线训练和支持。

　　与相关业务应用集成：无论是通过API还是预构建的集成，都要关注用户想要的集成，并确保开发的模型与这些工具无缝协作。

　　接受反馈和重新训练：与Google在Gemini中添加的内容类似，考虑将用户反馈机制纳入所开发的任何工具中，允许用户对响应进行评分、根据特定参数请求生成新内容等等。查看这些反馈数据将使团队能够重新训练模型，以便在未来获得更好的结果。

　　强调透明度和可解释性：透明度和可解释性是值得遵循的良好实践，不仅可以跟上人工智能法规，还可以让用户在使用工具时感到自信和放心。提供详细的政策、用户指南和培训是最好的方法。

　　总结

　　随着ChatGPT的到来，生成式人工智能在2022年底更公开地出现在技术领域，几个月内，生成式AI迅速开始从根本上重塑技术行业。事实上，可以毫不夸张地说，随着生成式人工智能技术进入越来越多的技术工具和解决方案，“生成式人工智能格局”和“整体技术格局”本质上正在融合成一个实体。

　　为了更好地应对当前的困境，并为未来伴随生成式人工智能创新的挑战做好准备，企业领导者需要密切关注市场、不同的人工智能供应商如何实现透明度和可解释性，以及安全和隐私保护适用于哪种技术。以这种方式准备将有助于生成式人工智能以利大于弊的方式发展。