生成式人工智能在企业中的前景如何？

戈登·范·休森
2023 年 6 月 23 日
分钟阅读

我见过许多炒作周期。（事实上，作为一名前分析师，我参与并监督了其中一些炒作周期的产生）。

Gartner 恰当地定义了技术成熟度曲线™ 你会感受到某种技术或应用的前景。然后是一段幻灭期，接着是拒绝或接受，然后（通常）是生产力。

然而，在分析师领域之外，世界正看到人工智能 (AI) 炒作周期再次升温，其中围绕 ChatGPT 和生成式 AI 更广泛地说。我不会试图预测未来并告诉你十年后人工智能会发展到什么程度。我能告诉你的是，人工智能在企业中的应用将继续增长和发展——无论有没有 ChatGPT——你需要利用它，这样你才能在未来几年里获得它的好处。

生成式人工智能是不是唯一能够统治一切的人工智能？

过去，设计方面的困难人工智能而实施传统的机器学习阻碍了人工智能在企业中的应用。获取数据、准备数据、构建模型、训练数据，然后将其投入生产，这需要大量工作。假设你成功了。这只意味着你需要花费更多的精力和资源来维护模型，并处理各种形式的“漂移”，这些“漂移”可能会随着时间的推移降低模型的准确性和有效性。

随着计算能力的提高和数据集的扩大，企业中的人工智能正在增长。根据 Forrester 分析师 Diego lo Guidice其中，人工智能、机器学习或深度学习的实施比例从 67 年的 2021% 上升至 73 年的 2022%。

我甚至认为，截至撰写本文时，人工智能的采用率已接近 100%。然而，这是一个“采用”在这里意味着什么的问题。当然，“传统”人工智能已经推动了以下事情的发展

针对各种用例的建议
自动化文档处理
算法交易
供应链计划
网络安全

目前，机器学习的主要应用使日常工作变得更容易，并且对于容易自动化的任务，它们比人类更快完成。这种形式的人工智能正在迅速成为日常工作生活中的普遍现象。毫无疑问，它们提供了速度、节省时间、满足合规性等方面的价值。但这些现在对企业来说只是赌注。

以生成式人工智能为代表的这一新机器智能浪潮——无论它有多“智能”——显然已经引发了大量的探索和投资。这是有充分理由的。ChatGPT 和其他生成式人工智能工具（如 Bard 或 Dall-E）都是技术奇迹。

生成式人工智能具有释放巨大价值的潜力，它对所有形式的工作都有重大影响。人们很容易认为，由于生成式人工智能包含如此大量的数据，而且能够做如此惊人的事情，因此它将取代其他形式的机器智能。人们认为，只需要一些巧妙的“快速工程”和一些巧妙的“微调”，就能为任何问题生成解决方案。为什么不呢，对吧？

ChatGPT 可以加速人类任务。我最近听说了一个故事，一位软件测试员身兼数职，管理着新英格兰一家小型农场的 IT 运营。农场的管理层要求测试员为他们的补水系统找到一个特定的物联网解决方案。这项任务通常需要几天时间才能完成，但测试员使用 ChatGPT 在几个小时内创建了一份包含近 60 项需求的清单。他能够将自己在农业 IT 领域的知识和深奥经验与生成式 AI 结合起来，以加快工作速度。

然而，生成式人工智能无法独自完成这一目标。

生成式人工智能可以增强知识型员工的能力。一家整天制作大量法律文件的律师事务所可能会使用生成式人工智能来制作与其相关案件相关的定制文件。

虽然这些例子中节省的时间是有益的，但您仍然只是让日常工作变得更容易。人工智能可以发挥更大的价值。

在 Somnath Singh 最近的一篇文章中，“法案盖茨：人们没有意识到接下来会发生什么= Singh 认为，在 ChatGPT 等生成工具的推动下，这一新一波人工智能浪潮将很快改变企业解决业务问题的方式。

辛格向读者提出了这样的想法：“一个技术工作和非技术工作之间的界限不再存在的世界。”这无疑是正确的。人们将不再需要特定领域的技术技能来完成他们的工作和实现他们的目标。

然而，生成式人工智能无法独自完成这一目标。

复合人工智能：齐心协力，共同进步

如果我们退一步思考，记住人工智能是一个广义的术语是有用的。与所有新兴技术一样，任何特定形式的人工智能的流行都应该谨慎对待。你需要问问自己，人们谈论的是哪种人工智能。这有助于你确定某种人工智能技术或技巧是否可以用来解决特定挑战或为你的组织释放机会。

在实践中，通过机器智能解决问题几乎总是多方面的。无论给定的人工智能技术多么丰富或鼓舞人心（生成式人工智能肯定是丰富和鼓舞人心的），它都只解决了通过人工智能增强或自动化工作的一个方面。因此，如果您打算用人工智能解决实际问题，您可能需要融合多种人工智能技术，而不仅仅是一种。或者，正如 Gartner 所说：复合人工智能.

复合 AI 将多种 AI 和高级分析功能结合在一起，旨在产生更好、更可信的结果。例如，知识图谱通常用作生成 AI 的补充，用于增强或自动化人类决策，或与虚拟代理交互。顾名思义，它是捕捉人类经验和判断的好方法。以数字形式注入人为因素可带来更好的结果。它还增加了用户对系统生成的问题的答案的信心。

以下是复合 AI 的一个例子：有一款应用程序允许保险公司的客户在事故发生后拍摄他们的汽车照片。根据该照片，系统会自动评估损失。根据评估结果，系统会生成报告。如果汽车被认定为报废，系统会为车主拨打最近的拖车电话。

本例中的保险公司使用多种 AI 框架来自动化手动任务和人工决策。图像识别可捕捉并评估损坏情况。机器学习将受损车辆与该品牌和型号的车辆应有的外观进行比较，并确定损坏程度。生成式 AI 生成报告。然后，这种综合 AI 可以认为汽车已报废，并确定致电拖车公司来取车的行动方案。

因果和有效性

这让我想到了复合人工智能更有趣的形式之一：因果人工智能。

因果人工智能不仅仅是生成式人工智能或机器学习预测和自动化。这些技术不理解概念，没有辨别能力。因果人工智能可以分析输入，并且（只要模型经过适当训练）做出类似人类的决策。借助因果人工智能，您可以在某些系统或工作流程中捕捉员工的判断。借助它，您不仅可以自动化任务，还可以改善决策。

借助因果人工智能，您可以提升专业人员的能力，让他们能够更快地做出更好的决策。随着时间的推移，您甚至可以信任该模型来做出一类决策。有了正确的数据集，并信任它来做出某一类决策，组织现在就可以增强其整个员工队伍的决策能力，使其变得更好、更快。

虽然还需要几年时间，但这是人工智能的下一步。想象一下，有了这样的技术，你能实现的价值。因果人工智能不仅仅是节省时间和赚取金钱。它不仅仅是预测。它是预测以及针对特定客户群的建议销售策略。例如，因果人工智能可以分析股票市场数据，并帮助金融机构根据股价、经济指标、联邦政策和新闻头条之间的关系做出明智的投资决策。

尽管组织可以使用机器学习来自动执行供应链流程中的任务，但因果人工智能不仅可以复制人类任务，还可以复制人类决策并识别流程中的瓶颈和低效之处。它不仅可以识别，还可以提高性能。

因果人工智能是创造更好结果的另一种方法。

因果人工智能和其他复合人工智能的实现将帮助你有效地模糊技术和非技术工作的界限，这样你就可以开始看到你在开发人工智能应用程序方面的投资回报，智能应用开始呈指数增长。