ChatGPT 雖然很酷，但這只是一個開始; 生成式人工智能的企業(yè)用途要復(fù)雜得多。

過去三年，風(fēng)險投資公司在生成式人工智能解決方案上投資了超過 17 億美元，其中人工智能藥物發(fā)現(xiàn)和人工智能軟件編碼獲得的資金最多。

“ChatGPT 等早期基礎(chǔ)模型側(cè)重于生成式 AI 增強(qiáng)創(chuàng)造性工作的能力，但到 2025 年，我們預(yù)計(jì)將使用生成式 AI 技術(shù)系統(tǒng)地發(fā)現(xiàn)超過 30% 的新藥物和材料(目前為零)，” Brian Burke，Gartner 技術(shù)創(chuàng)新研究副總裁。 “這只是眾多行業(yè)用例之一。”

第一名：藥物設(shè)計(jì)中的生成人工智能

2010年的一項(xiàng)研究顯示，一種藥物從發(fā)現(xiàn)到上市的平均成本約為18億美元，其中藥物發(fā)現(xiàn)成本約占三分之一，而發(fā)現(xiàn)過程花費(fèi)了長達(dá)三到六年的時間。 生成式人工智能已在幾個月內(nèi)用于設(shè)計(jì)各種用途的藥物，為制藥公司提供了降低藥物發(fā)現(xiàn)成本和縮短時間的重大機(jī)會。

第二名：材料科學(xué)中的生成式人工智能

生成式人工智能通過構(gòu)建針對特定物理特性的全新材料，正在影響汽車、航空航天、國防、醫(yī)療、電子和能源行業(yè)。 這個過程被稱為逆向設(shè)計(jì)，定義所需的屬性并發(fā)現(xiàn)可能具有這些屬性的材料，而不是依靠偶然性來找到擁有這些屬性的材料。 例如，其結(jié)果是找到比目前在能源和運(yùn)輸中使用的材料更具導(dǎo)電性或具有更大磁吸引力的材料，或者用于材料需要耐腐蝕的用例。

第三名：芯片設(shè)計(jì)中的生成式人工智能

生成式人工智能可以使用強(qiáng)化學(xué)習(xí)(一種機(jī)器學(xué)習(xí)技術(shù))來優(yōu)化半導(dǎo)體芯片設(shè)計(jì)(布局規(guī)劃)中的組件布局，將產(chǎn)品開發(fā)生命周期時間從人類專家的幾周縮短到生成式人工智能的幾小時。

第四名：合成數(shù)據(jù)中的生成人工智能

生成式人工智能是創(chuàng)建合成數(shù)據(jù)的一種方式，合成數(shù)據(jù)是生成的一類數(shù)據(jù)，而不是從對現(xiàn)實(shí)世界的直接觀察中獲得的數(shù)據(jù)。 這確保了用于訓(xùn)練模型的原始數(shù)據(jù)源的隱私。 例如，可以人工生成醫(yī)療數(shù)據(jù)用于研究和分析，而無需透露其醫(yī)療記錄用于確保隱私的患者的身份。

第 5 點(diǎn)：零件的生成設(shè)計(jì)

生成式人工智能使制造、汽車、航空航天和國防等行業(yè)能夠設(shè)計(jì)經(jīng)過優(yōu)化的零件，以滿足特定目標(biāo)和限制，例如性能、材料和制造方法。 例如，汽車制造商可以使用衍生式設(shè)計(jì)來創(chuàng)新更輕的設(shè)計(jì)，從而有助于實(shí)現(xiàn)提高汽車燃油效率的目標(biāo)。

嵌入正確的技術(shù)來釋放生成式人工智能

如今大多數(shù)人工智能系統(tǒng)都是分類器，這意味著它們可以被訓(xùn)練來區(qū)分狗和貓的圖像。 生成式人工智能系統(tǒng)可以被訓(xùn)練來生成現(xiàn)實(shí)世界中不存在的狗或貓的圖像。 技術(shù)的創(chuàng)造力能夠改變游戲規(guī)則。

生成式人工智能使系統(tǒng)能夠創(chuàng)建高價值的工件，例如視頻、敘述、訓(xùn)練數(shù)據(jù)甚至設(shè)計(jì)和原理圖。

例如，生成式預(yù)訓(xùn)練 Transformer (GPT) 是一種大規(guī)模自然語言技術(shù)，它使用深度學(xué)習(xí)來生成類似人類的文本。 第三代(GPT-3)可以根據(jù)吸收和積累的訓(xùn)練來預(yù)測句子中最有可能的下一個單詞，可以編寫故事、歌曲和詩歌，甚至計(jì)算機(jī)代碼，并使 ChatGPT 能夠在幾秒鐘內(nèi)完成青少年的作業(yè)。

除了文本之外，圖像生成器(例如 DALL·E 2、Stable Diffusion 和 Midjourney)也可以從文本生成圖像。

生成式人工智能采用了多種人工智能技術(shù)，但最近，基礎(chǔ)模型成為了人們關(guān)注的焦點(diǎn)。

基礎(chǔ)模型以自我監(jiān)督的方式在通用數(shù)據(jù)源上進(jìn)行預(yù)訓(xùn)練，然后可以適應(yīng)新問題。 基礎(chǔ)模型主要基于 Transformer 架構(gòu)，它體現(xiàn)了一種計(jì)算訓(xùn)練數(shù)據(jù)的數(shù)值表示的深度神經(jīng)網(wǎng)絡(luò)架構(gòu)。

Transformer 架構(gòu)通過跟蹤順序數(shù)據(jù)中的關(guān)系來學(xué)習(xí)上下文，從而學(xué)習(xí)意義。 Transformer 模型應(yīng)用一組不斷發(fā)展的數(shù)學(xué)技術(shù)(稱為注意力或自注意力)來檢測一系列影響和相互依賴的微妙方式，甚至是遙遠(yuǎn)的數(shù)據(jù)元素。

不要忘記生成式人工智能的風(fēng)險

在全速前進(jìn)之前，請記住，生成式人工智能不僅提供了商業(yè)機(jī)會，而且還提供了商業(yè)機(jī)會。 這些威脅也是真實(shí)存在的——包括深度偽造、版權(quán)問題以及其他針對您的組織的惡意使用生成式人工智能技術(shù)的可能性。

與安全和風(fēng)險管理領(lǐng)導(dǎo)者合作，主動減輕惡意使用生成式人工智能給個人、組織和政府帶來的聲譽(yù)、假冒、欺詐和政治風(fēng)險。

還可以考慮通過批準(zhǔn)的供應(yīng)商和服務(wù)的精選列表來實(shí)施關(guān)于負(fù)責(zé)任地使用生成式人工智能的指南，優(yōu)先考慮那些努力提供培訓(xùn)數(shù)據(jù)集和適當(dāng)模型使用透明度的供應(yīng)商和/或以開源方式提供其模型的供應(yīng)商和服務(wù)。

審核編輯：湯梓紅