不只用来聊天，生成式AI在企业级的五大应用
? ? ? ?将ChatGPT嵌入到搜索引擎，“聊天式搜索”的设计虽然很酷，但这只是一个开始；企业对生成式AI的使用要复杂得多。
在过去三年中，风险投资公司在生成式人工智能解决方案上投资了超过 17 亿美元，其中人工智能支持的药物发现和人工智能软件编码获得的资金最多。
"像ChatGPT这样的早期基础模型专注于生成式AI增强创造性工作的能力，但到2025年，我们预计超过30%（从今天的零）新药和材料将使用生成式AI技术系统性研发。"Gartner技术创新研究副总裁Brian Burke说，"而这只是众多行业应用中的一个。"
生成式 AI 五大行业用例
生成式 AI 可以探索对象的许多可能设计，以找到正确或最合适的匹配。它不仅增强和加速了许多领域的设计，还有可能"发现"人类可能错过的新设计或物质。
营销和传媒行业已经感受到了生成AI的影响。Gartner预计：
·?到 2025 年，来自大型组织30%的对外营销信息将是合成生成的，而2022年这一比例还不到2%。
·?到2030年，一部重要的电影大片中90%可能将是由人工智能生成（从文本到视频），而2022年此类影片的比例为0。
? ? ? ??
人工智能的创新仍在普遍加速，为生成式AI在各个行业创造了众多的使用案例，包括以下五个领域：
1. 药物设计中的生成式AI
2010年的一项研究显示，将药物从发现推向市场的平均成本约为1亿美元，其中药物发现成本约占三分之一，发现过程耗时长达3到6年。生成式AI已经被用于在几个月内设计出各种用途的药物，为制药公司提供了减少药物发现的成本和时间的重要机会。
2. 材料科学中的生成式AI
生成式AI正在通过针对特定物理特性组合全新的材料，来影响汽车、航空航天、国防、医疗、电子和能源行业。这个过程被称为逆向设计，它定义了所需的属性并发现可能具有这些属性的材料，而不是依靠偶然性来找到具有这些属性的材料。结果是，例如，找到比目前用于能源和运输的材料更具导电性或更大的磁吸引力的材料，或者用于材料需要耐腐蚀的用例。
3. 芯片设计中的生成式AI
生成式 AI 可以使用强化学习（一种机器学习技术）来优化半导体芯片设计（布局规划）中的组件放置，将产品开发生命周期时间从人类专家需要的数周时间缩短到生成式 AI 的数小时。
4. 合成数据中的生成式AI
生成式 AI 是创建合成数据的一种方法，合成数据是一类生成而不是从对现实世界的直接观察中获得的数据。这确保了用于训练模型的数据的原始来源的隐私。例如，可以人为地生成医疗保健数据用于研究和分析，而不会泄露其医疗记录用于确保隐私的患者的身份。
5. 零件设计的生成式AI
生成式 AI 使包括制造、汽车、航空航天和国防在内的行业能够设计出经过优化的零件，以满足特定目标和约束，例如性能、材料和制造方法。例如，汽车制造商可以使用生成式设计来创造更轻的设计，从而有助于实现提高汽车燃油效率的目标。
嵌入正确的技术以释放生成式 AI
今天的大多数人工智能系统都是分类器，这意味着它们可以被训练来区分狗和猫的图像。生成式人工智能系统可以被训练来生成一个现实世界中不存在的狗或猫的图像。技术具有创造性的能力是一个游戏规则的改变者。
生成式 AI 使系统能够创建高价值的工件，例如视频、叙述、训练数据，甚至设计和原理图。
例如，生成预训练转换器（Generative Pre-trained Transformer, GPT）是一种大规模的自然语言技术，它使用深度学习来生成类似人类的文本。第三代（GPT-3）模型根据其吸收的累积训练预测句子中最有可能的下一个单词，可以写故事、歌曲和诗歌，甚至计算机代码——并使 ChatGPT 能够在几秒钟内完成孩子的作业。
除了文本之外，DALL·E 2、Stable Diffusion 和 Midjourney 等数字图像生成器还可以从文本生成图像。
有许多人工智能技术可用于生成式AI，但最近，基础模型成为人们关注的焦点。
基础模型以自我监督的方式在通用数据源上进行预训练，然后可以对其进行调整以解决新问题。基础模型主要基于转换器架构，它体现了一种深度神经网络架构，用于计算训练数据的数值表示。
转换器架构通过跟踪顺序数据中的关系来学习上下文，从而学习意义。转换器模型应用一组不断发展的数学技术，称为注意力或自我注意，以检测一系列中甚至遥远的数据元素相互影响和依赖的微妙方式。
不要忘记生成式AI的风险
在全速前进之前，请记住，生成式AI不仅为企业提供了机会，潜在的威胁也是真实的——包括深度伪造、版权问题和其他恶意使用生成式AI技术来针对您的组织的可能性。
可以加强与安全和风险管理组织的合作，努力减轻恶意使用生成式 AI给企业带来的声誉、假冒、欺诈和安全等风险。
还可以考虑通过精选的已批准供应商和服务列表，来实施有关负责任地使用生成式 AI 的指南，优先考虑那些可以提供训练数据集透明度和适当模型使用，或以开源方式提供其模型的供应商。
? ? ? ?
