生成式人工智能格局：2024年及以後的趨勢

生成式人工智能領域正在迅速擴張，盡管帶來了巨大的挑战，但也帶來了巨大的好處。

生成式人工智能是人工智能的一種形式，它依賴於自然語言處理、大規模訓練數據集和先進的人工智能訓練策略，如神經網絡和深度學習，來生成類似於人類制作的原創內容。

技術專業人士和娛樂用戶都越來越熟悉ChatGPT這樣的內容生成模式，ChatGPT於2022年首次出現。但這個生成式AI的例子只觸及了生成式AI可以做什么，以及其的發展方向。

在本篇生成式人工智能領域指南中，我們將探討生成式人工智能的能力，以及它是如何出現並變得如此流行的。我們還將研究生成式人工智能領域的當前趨勢，並預測消費者在不久的將來對這項技術的期望。

生成式人工智能的現狀

盡管生成式人工智能技術仍然相對較新，但當前的人工智能模型已被用於滿足一系列個人和商業用例。以下是當今生成式人工智能領域中一些最常見的應用和人工智能示例：

• 個人用途：生成式人工智能工具的娛樂用戶經常使用其來生成文本內容；具體用例包括問答、旅行和活動規劃、對話和研究。
• 人工智能助手、聊天機器人和搜索：人工智能驅動的搜索引擎和副駕駛正在迅速發展。一些初創企業還提供由生成式人工智能支持的企業搜索工具。
• 开發人員任務：生成式AI开發人員工具可以預測代碼序列、支持問題解決、記錄現有代碼以及自動化編程任務。
• 創意內容生成：除了文本生成之外，多種生成式人工智能模型還可以生成音頻、視頻和圖像。人工智能內容生成的一些最新趨勢包括音樂、視頻遊戲和播客內容創作。
• 計算機視覺：合成數據生成和3D模型創建可應用於計算機視覺用例，例如駕駛員監控和行人檢測、AR/VR/XR、虛擬試穿等。
• 語音音頻合成：人工智能生成的語音可用於營銷視頻等企業項目；人工智能語音選項正在迅速以多種語言和音調提供。

如今，這些示例以及更多示例被廣泛應用於各種行業和業務部門，包括市場營銷和銷售、客戶服務和聯絡中心、醫療保健和制藥、生物學和生物物理學、娛樂、法律和政府、金融和銀行以及電子商務。

推動生成式人工智能格局的關鍵技術和創新

生成式人工智能目前正在大規模興起，主要原因有兩個：1）更成熟的神經網絡技術已經實現；2）模型和計算能力現在更容易獲得。

2017年，Google首次提出了一種名爲Transformer的神經網絡架構，爲現今使用的生成式人工智能奠定了基礎。借助Transformer，創建更高質量的語言模型成爲可能，這些模型可以更有效地進行訓練並具有更多可定制的功能。此時，帶有預測文本的工具和簡單的人工智能聊天機器人开始出現並逐漸成熟。

然而，即使有了Transformer和相關神經網絡架構的發展，生成式人工智能模型仍然極其昂貴且難以开發和操作。處理生成式人工智能查詢需要的電力資源是大多數企業所不具備的。

從2022年开始，計算能力和AI平台基礎設施層开始趕上生成式AI工具的處理要求，使更多企業能夠开發生成式AI技術。更重要的是，這項創新使得現有的生成式人工智能开發人員能夠以實惠的價格將其模型擴展到其他用戶。

大約在同一時間，新的神經網絡技術，如擴散模型，也出現了，降低了生成式人工智能开發的進入門檻。

隨着生成式人工智能現在需要更少的能源和金融投資，生成式人工智能領域已經擴大到包括一些成熟的科技企業和生成式人工智能初創企業。隨着現有模型通過API、有限的免費版本和开源軟件擴展到更多用戶，格局不斷發展，從而定期开發新的應用和用例。

塑造生成式人工智能格局的主要參與者和初創企業

OpenAI顯然是生成式人工智能領域的領導者，目前估值約爲800億美元。憑借與Microsoft的密切關系、其GPT-4模型、非常受歡迎的ChatGPT工具，以及在其他形式的多模式內容生成方面的持續創新，OpenAI已做好持續增長和第三方投資來推動增長的准備。

Amazon和IBM等主要技術企業也在推動生成式人工智能領域的發展，但目前最引人注目的巨頭是Microsoft和Google。盡管Microsoft在向公衆提供實際的生成式人工智能工具方面起步較早，但兩家企業現在都提供支持多模式內容生成、人工智能驅動的聊天、人工智能輔助等的工具。

這一領域的其他領導者包括：

• Cohere
• Jasper
• Anthropic
• Glean
• Stability AI
• Inflection AI

生成式人工智能領域的5個新興趨勢

盡管生成式人工智能的影響力迅速增強，但早期的採用率表明，未來的影響力將更加廣泛，從教育到虛擬現實，影響各個領域。詳細了解當今的新興趨勢，這些趨勢可能會在生成式人工智能的未來使用中發揮作用。

• 市場營銷自動化

目前，生成式人工智能經常用於營銷、銷售和類似的創意內容生成任務。雖然用戶可以手動將其內容請求輸入到生成式人工智能聊天機器人和模型中，但許多人工智能供應商現在可以讓用戶通過人工智能助手或副駕駛進行最少的提示，以自動執行內容生成任務。

例如，自動化可用於社交媒體和博客內容編寫、多渠道視頻和圖像內容創建以及入站和出站電子郵件營銷工作流程。

目前，這些工具中的許多工具在使用的語言和支持的上下文窗口方面都受到限制。隨着該用例的成熟，預計會看到更多具有更大上下文窗口的多語言解決方案，從而可以提出更長、更復雜的查詢。

• 產品和軟件开發支持

無論是經驗豐富的开發人員還是沒有編碼知識的新手，現在有多種生成式人工智能工具可以協助完成不同的編程任務。以GitHubCopilot爲例，該工具直接與用戶的GitHub帳戶和生態系統配合使用，幫助完成代碼、代碼片段、故障排除以及簡單語言代碼生成和解釋。隨着對自然語言輸入的重視，任何人都可以生成代碼來解決各種產品和軟件开發問題。

• 增加教育用途和影響

學生們已經在使用ChatGPT等工具來回答家庭作業問題或寫論文，老師和家長對此感到擔憂。

盡管這些大型語言模型不一定“知道”教育作業的答案，但其訓練使之能夠准確預測各種輸入的文本序列，從而使學生能夠使用這些工具來解決課堂問題。當然，這可能會對學生的教育產生負面影響，但如果教育系統學會如何將人工智能解決方案作爲輔助學習工具實施，也可能使學生和老師受益。

就像過去課堂技術發生變化一樣——高射投影儀。生成式人工智能將要求教師改進其教育方法。例如，虛擬學習是生成人工智能的一個令人興奮的領域，正在快速發展。生成式人工智能遊戲和人工智能講故事解決方案現已發布，爲教師提供教學支持，並採用新的方式向學生提供教育內容。

但仍然存在基於人工智能的抄襲問題。爲了打擊學生依賴ChatGPT和類似工具做作業的傾向，教師可以使用現已發布的衆多免費AI內容抄襲檢測器之一。盡管這些工具並不完美，但可以有效地估計人工生成的內容的百分比。

隨着教育問題的增長，用戶可以期待這些抄襲檢查工具也會不斷發展。

• 嵌入式人工智能應用

Microsoft等少數大型技術企業現在提供人工智能助手，指導用戶在網絡上的搜索體驗，或支持Microsoft365等辦公套件解決方案中的內容生成和任務完成。Google也效仿了Gemini，增加了功能，以便該工具可以使用直接在Gmail、文檔等中。此外，一些最大的生成式人工智能初創企業，如Cohere和Glean，爲用戶提供人工智能驅動的企業搜索工具。

隨着輔助企業工具不斷擴展其特性和功能，許多企業將开始效仿Microsoft、Google，將這些應用程序嵌入到其網站、產品和內部軟件中，爲員工和客戶創造更好的自助服務用戶體驗。 

• 情境化、全球生成人工智能

當今大多數生成式人工智能模型都存在基於時間和語言的限制，但一些生成式人工智能供應商已經擴展了其工具，以支持更多語言和方言。隨着生成式人工智能在世界各地的需求不斷增長，越來越多的供應商需要確保其工具能夠接受輸入，並以最小的錯誤創建符合各種語言和文化背景的輸出。

此外，生成式人工智能模型需要向用戶提供更准確、實時的信息，以保持其參與度。盡管ChatGPT是目前最流行的內容生成和大型語言模型，但最終可能會落後於Gemini等競爭對手，Gemini擁有連接到互聯網並根據最新信息生成答案的免費版本。相比之下，ChatGPT的免費版本目前可使用2023年4月停止的數據，並且沒有實時互聯網連接，但付費版本可以訪問Bing。

生成式人工智能景觀：網絡安全影響

生成式人工智能工具可用於模擬攻擊和環境、威脅情報以及敏感數據的合成數據數字孿生。雖然生成式人工智能在战略性使用時支持這些更強大的安全保護和實踐，但也可能被惡意行爲者和黑客操縱，這些人知道生成式人工智能模型如何訓練，以及如何使用數據的祕密和解決方法。

越來越多的生成式人工智能供應商正在將其網絡安全方法推進到向公衆提供的工具中，但仍然有許多生成式人工智能解決方案沒有也不會爲高度監管的行業中的企業或處理敏感數據提供必要的網絡安全保護。

假設生成式人工智能工具爲企業提供正確的網絡安全保護，可能會導致各種問題，包括知識產權或私人數據被盜、消費者信任喪失以及法律和合規問題。

無論是使用其他供應商的AI模型還是开發自己的AI模型，都可以遵循以下一些最佳實踐來保護數據和用戶：

• 熟悉AI供應商數據使用和存儲策略。
• 請勿使用敏感數據進行訓練或輸入敏感數據。
• 培訓員工如何正確使用這些工具和企業數據。
• 制定人工智能治理政策。
• 使用涵蓋現代威脅形勢的數據治理和網絡安全工具，包括第三方人工智能應用。

生成式人工智能領域的未來方向

根據當前的發展、優先事項和公衆的興趣，預計在未來的生成式人工智能領域將出現新的增長和機遇：

• 生成式人工智能和虛擬現實

視頻和3D模型是當今增長最快的生成式AI模型格式。這種增長在人工智能視頻內容營銷中尤其明顯，其利用頭像、音頻合成和其他生成式人工智能功能來大規模創建引人注目的營銷內容。

營銷創意內容、遊戲和娛樂媒體當然可以從人工智能的進步中受益，但生成模型對虛擬現實(VR)和增強現實(AR)技術（元宇宙）的影響是許多人最焦急等待的。

隨着模型不斷完善，其可以處理更多數據，創建更高分辨率的媒體，並接受更長的上下文窗口，預計生成式人工智能技術將創造出身臨其境的體驗，讓虛擬現實感覺真實。

• 改變職業道路和機會

生成式人工智能工具已經在補充某些類型的工作，並且在未來可能會取代某些類型的工作。但這不應該給普通職業人士敲響警鐘，只要他們愿意隨着工作期望的變化而調整和發展自己的技能。

例如，許多作家目前專注於搜索引擎優化寫作，這是一種主要涉及制作在搜索結果中排名靠前的內容的寫作形式。這正是人工智能模型通過算法訓練可以產生的內容類型。對於隨着大型語言模型變得更加強大而擔心自己工作保障的作家而言，發展新的战略技能，如編輯規劃和內容質量保證管理，以及與重視人類創造力和研究的企業合作將非常重要。

從好的方面來講，這些工具已經使某些類型的重復性任務變得更加容易，例如發送電子郵件、起草電子表格、記錄操作項目和做筆記。輔助工作場所功能未來可能會擴展到更復雜的任務，例如集思廣益整個產品發布計劃，以及從頭到尾處理人力資源入職。

當員工從這些耗時的任務中解放出來時，將能夠比以往更加專注於更高價值的战略工作。

• 專門的行業應用和工具

盡管許多專業行業應用和工具已經發布，但一些行業的復雜性和產品發布需求使得快速發布這些工具變得非常棘手。因此，其中一些行業在人工智能的使用方面落後於其他行業。

人工智能醫療保健領域就是一個很好的例子。該領域對生成式人工智能充滿活力和興奮，但目前生成式人工智能產品的發布出現了相當大的波動和停滯。這可能有多種原因，但可以肯定的是，受到嚴格監管的PHI和PII數據，以及所涉及的行業特定專利（即藥品專利），使得跨越所有障礙並繼續前進變得更加困難。

未來幾年，隨着這些工具變得更加成熟，人工智能供應商提高其透明度和可解釋性，我們應該會看到受監管和復雜行業的更多增長，包括醫療保健/患者關系、藥品和藥物發現、保險以及金融和銀行業。

• 加強監管和道德影響

在大多數地區和行業，人工智能的使用基本上不受監管，這可能會導致一系列問題。一些用戶已經因其個人數據成爲模型訓練數據和潛在輸出的一部分而遭受後果，而另一些用戶則對這些解決方案中的數據存儲和相關安全協議發出了警報。盡管一些人工智能供應商獨立選擇使其培訓流程、數據收集方法和總體战略更加透明，但管理機構幾乎沒有採取任何措施來強制執行這種透明度。

預計這種情況很快就會改變，尤其是在歐盟。《歐盟人工智能法案》是一項全面的人工智能法律，規範人工智能供應商如何使用人工智能驅動的自動化並收集個人數據，同時要求某些類型的披露和透明度，該法案於2023年12月9日在議會和理事會之間達成了一項臨時協議。正式通過是內部市場和公民自由委員會對該法律進行投票後，預計將於2024年實施。

其他國家，包括韓國、新加坡、中國和美國，要么已經提出了人工智能監管框架，要么正在制定零碎的人工智能法規，隨着生成式人工智能工具不斷增強其能力並在公共領域發展，所有這些都可能成爲更高的優先事項要求。

隨着立法和公衆對生成人工智能危險的認識的預期增加，計劃看到更多的生成式人工智能供應商不僅遵守這些法律，而且還採取公共關系措施，進一步解釋他們正在採取的道德和負責任的人工智能步驟。

利用生成式人工智能格局進行創新

無論是人工智能开發人員、商業用戶還是普通用戶，生成式人工智能領域已經成熟，可以帶來新的創新和機遇。爲了充分利用這些工具和整個技術領域，建議採取以下策略：

• 與成熟或利基的人工智能供應商合作：與具有特定行業或用例方面擁有豐富經驗的人工智能和AIaaS供應商進行合作，如Microsoft、Google。
• 試驗微調模型：微調模型允許用戶使用基线模型的高級功能，並將其自定義爲更具體的功能。根據預算和內部技術專業知識，开源模型可能爲微調項目提供最佳價值。
• 致力於多模式輸入和輸出：用戶越來越多地使用人工智能內容生成工具來創建文本、代碼、圖像和其他類型的內容。如果正在开發供內部或公共使用的人工智能工具，請努力創建適合這種多模態的界面和培訓方法。
• 優先考慮多語言能力：生成式人工智能的全球民主化是生成式人工智能領域成熟的重要下一步。盡管多語言訓練可能很困難，但一些开源模型現在爲多種語言和方言提供基线訓練和支持。
• 與相關業務應用集成：無論是通過API還是預構建的集成，都要關注用戶想要的集成，並確保开發的模型與這些工具無縫協作。
• 接受反饋和重新訓練：與Google在Gemini中添加的內容類似，考慮將用戶反饋機制納入所开發的任何工具中，允許用戶對響應進行評分、根據特定參數請求生成新內容等等。查看這些反饋數據將使團隊能夠重新訓練模型，以便在未來獲得更好的結果。
• 強調透明度和可解釋性：透明度和可解釋性是值得遵循的良好實踐，不僅可以跟上人工智能法規，還可以讓用戶在使用工具時感到自信和放心。提供詳細的政策、用戶指南和培訓是最好的方法。

總結

隨着ChatGPT的到來，生成式人工智能在2022年底更公开地出現在技術領域，幾個月內，生成式AI迅速开始從根本上重塑技術行業。事實上，可以毫不誇張地說，隨着生成式人工智能技術進入越來越多的技術工具和解決方案，“生成式人工智能格局”和“整體技術格局”本質上正在融合成一個實體。

爲了更好地應對當前的困境，並爲未來伴隨生成式人工智能創新的挑战做好准備，企業領導者需要密切關注市場、不同的人工智能供應商如何實現透明度和可解釋性，以及安全和隱私保護適用於哪種技術。以這種方式准備將有助於生成式人工智能以利大於弊的方式發展。

---

標題：生成式人工智能格局：2024年及以後的趨勢

地址：https://www.utechfun.com/post/351990.html