生成式人工智能是如何工作的
生成式人工智能最常见和最强大的技术之一是大型语言模型，例如GPT-4或谷歌BARD。这些神经网络是根据书籍、网站、社交媒体和新闻文章等各种来源的大量文本数据进行训练的。他们通过猜测一系列单词中的下一个单词来学习语言的模式和概率。例如，给定输入的句子“天空是”，大型语言模型可能预测为“蓝色”、“晴朗”、“多云”或“下雨”等。
通过使用不同的输入和参数，大型语言模型可以生成不同类型的输出，例如摘要、标题、故事、文章、评论、标题、口号或代码。例如，输入“为一个新品牌的牙膏编写一个朗朗上口的口号”，大型语言模型可能会产生“自信的微笑”、“消除你的烦恼”或“像星星一样闪耀”。
企业在使用生成式人工智能时需要考虑的危险信号
虽然生成式人工智能可以为企业提供许多好处和机会，但它也有一些必须克服的缺点。以下是企业在采用生成式人工智能之前需要考虑的一些危险信号。
(1)公共信息与私人信息
随着用户开始尝试生成式人工智能，他们将创建提示、生成文本，并将这项新技术构建到他们的工作流程中。必须有明确的政策来界定哪些信息是公开的，哪些是私有或专有信息。提交私人信息，即使是在人工智能提示中，也意味着信息不再是私人的。尽早开始对话，以确保团队可以在不损害专有信息的情况下使用生成式人工智能。
(2)人工智能的幻觉
生成式人工智能模型并不完美，有时可能会产生不准确、不相关或无意义的输出。这些输出通常被称为人工智能幻觉或人工智能幻影。它们可能是由各种因素造成的，例如数据质量或数量不足，模型偏差或错误或恶意操纵。例如，生成式人工智能模型可能会生成传播错误信息或宣传的假新闻文章。因此，企业需要意识到生成式人工智能模型的局限性和不确定性，并在将其用于决策或沟通之前验证其输出。
(3)在工作中使用错误的工具
生成式人工智能模型不一定是可以解决任何问题或任务的一刀切的解决方案。虽然一些大型语言模型优先考虑一般化响应和基于聊天的界面，但其他大型语言模型是为特定目的而构建的。换句话说，有些模型可能更擅长生成短文本而不是长文本;有些可能更擅长生成事实性文本，而不是创造性文本;有些可能更擅长在一个领域生成文本，而不是在另一个领域。
许多生成式人工智能平台可以针对特定利基市场(例如客户支持、医疗应用、营销或软件开发)进行进一步训练。简单地使用最流行的产品很容易，即使它不是适合手头工作的工具。企业需要了解自己的目标和需求，并为工作选择合适的工具。
(4)垃圾进，垃圾出
生成式人工智能模型的好坏取决于它们所训练的数据。如果采用嘈杂的、不完整的、不一致的或具有偏见的数据，生成式人工智能模型可能会产生反映这些缺陷的输出。例如，在不适当或有偏见的数据上训练的生成式人工智能模型可能会生成具有歧视性的文本，并可能损害企业的品牌声誉。因此，企业需要确保他们拥有具有代表性、多样性和不偏不倚的高质量数据。
如何发展成为为人工智能做好准备的企业
采用生成式人工智能并不是一个简单或直接的过程。这需要战略眼光、文化转变和技术转型。以下是企业发展成为人工智能就绪企业所需采取的一些步骤。
(1)找到合适的工具
如上所述，生成式人工智能模型不是可互换的或通用的。它们有不同的能力和限制，这取决于它们的架构、训练数据和参数。因此，企业需要找到符合其需求和目标的正确工具。例如，创建图像的人工智能平台(例如DALL-E或StableDiffusion)可能不是客户支持团队的最佳选择。
为特定角色定制界面的平台正在兴起：针对营销结果进行优化的文案平台、针对一般任务和问题解决进行优化的聊天机器人、连接编程数据库的开发人员专用工具、医疗诊断工具等等。企业需要评估他们使用的生成式人工智能模型的性能和质量，并将其与替代解决方案或人类专家进行比较。
(2)管理自己的品牌
企业还必须考虑控制机制。例如，市场营销团队在以往可能是品牌信息的守门人，但他们也是瓶颈。由于企业中的任何人都有能力生成副本，因此找到允许企业构建品牌指导方针、信息、受众和品牌声音的工具非常重要。拥有整合品牌标准的人工智能对于消除品牌复制的瓶颈而不引起混乱至关重要。
(3)培养正确的技能
生成式人工智能模型并不是无需任何人工输入或指导就能生成完美文本的魔盒。它们需要人类的技能和专门知识来有效和负责任地使用它们。生成式人工智能最重要的技能之一是提示工程：设计输入和参数的艺术和科学，从模型中获得期望的输出。
提示工程包括理解生成式人工智能模型的逻辑和行为，制作清晰而具体的指令，提供相关的示例和反馈，以及测试和改进输出。提示工程是任何使用生成式人工智能的用户都可以随着时间的推移学习和改进的技能。
(4)建立新的角色和工作流
生成式人工智能模型不是可以独立运行或取代人类的独立工具，它们是可以增强和提高人类创造力和生产力的协作工具。因此，企业需要建立新的工作流，将生成式人工智能模型与人类团队和流程集成在一起。
企业可能需要创建全新的角色或功能，例如人工智能监察人员或人工智能质量保证专家，他们可以监督和监控生成式人工智能模型的使用和输出，并在出现问题时解决它们。他们可能还需要实施新的政策或协议，例如道德准则或质量标准，以确保生成式人工智能模型的问责制和透明度。
生成式人工智能时代已经到来
生成式人工智能是这个时代最令人兴奋和颠覆性的技术之一。它有可能改变人们在各个领域和行业中创建和消费内容的方式。然而，采用生成式人工智能并不是一件微不足道或没有风险的事情。它需要周密的计划、准备和执行。采用和掌握生成式人工智能的企业将获得竞争优势，并为增长和创新创造新的机会。
