本月 ，Google Cloud举行了高管论坛，与客户和合作伙伴讨论人工智能的最新进展。Google Cloud首席执行官Thomas Kurian分享了云市场是如何经历变革的，以及作为这场变革核心的人工智能，特别是生成式AI所发生的演变。
生成式AI可以帮助企业生成内容、综合和组织信息、自动化业务流程、打造引人入胜的客户体验。Kurian表示，为了实现这些目标，Google Cloud将重点关注五个关键优先事项：世界一流的AI基础设施、多模型基础模型、与Google Workspace和Google Cloud Platform的深度集成、AI驱动的协作、以及广泛的合作伙伴生态系统。
Google Cloud生成式AI产品背后的技术堆栈
Google Cloud生成式AI产品的核心是基础模型。基础模型是基于大量未标记数据训练的大型AI模型。Google采用自我监督学习来优化这些模型，这些通用模型可以执行各种任务，例如识别、预测和生成文本、图像、软件代码、音频和视频。
Google表示，客户可以访问Google及其合作伙伴提供的60多种模型。为了让更广泛的组织使用AI，Google使其基础模型（例如PaLM 2）能够针对不同应用和用例量身定制更小型的、更具成本效益的配置。
企业客户可以通过适应、迁移学习和蒸馏技术来定制PaLM 2。这些模型有不同的大小，每个模型都有性能、延迟、成本和内存方面的要求，以确保在不同场景中的灵活性。PaLM 2的最新增强功能提高了执行高级推理任务的能力，包括代码和数学、分类和问答、翻译和多语言能力、自然语言生成等。
此外，Google还提供了Vertex AI端到端人工智能平台，可简化AI和生成模型的部署，允许企业为其特定的应用定制AI模型。Vertex AI提供了三种基本的生成式AI功能：模型发现和调整、定制工具、以及对数据和IP的控制。客户借助Vertex AI就可以发现并调整Google及其合作伙伴的基础模型。
该平台支持无缝的模型扩展、强化学习反馈循环自动化、用于测试的合成数据生成、以及部署位置和成本的管理。企业可以使用即时工程、微调、参数高效调整和强化学习来完善Google的模型，以提高性能和强化特定任务。
企业组织关注的一个关键领域是使用第三方大型基础模型时的企业数据保护能力。Google表示，Google的企业服务可以确保数据的完全控制和隔离、知识产权保护以及定制模型时遵守监管要求。客户数据仍然是得到保密的，不会与其他客户或Google的基础模型进行共享。
现实世界中企业是如何利用AI的？
企业希望利用谷歌在设计和扩展AI模型方面的专业知识和经验教训。但你可能会发现，自己想知道真正的企业正在使用这些解决方案做什么（如果有的话）。因此，Google提供了几个客户和合作伙伴关于使用Vertex AI的示例。
例如，航空航天公司GA Telesis开发了一种数据提取解决方案，通过解释和关联客户订单来自动执行客户呼叫。Snorkel AI是一家数据科学公司，该公司使用Vertex AI生成高质量的训练数据，并训练模型来定制患者治疗方案。YouCite和Behaviour Box则利用Vertex AI平台上的生成式AI模型来增强员工互动并发现内部威胁。
Google在此次高管论坛上邀请了来自Mayo Foundation、Priceline、Wayfair和Wendy's的演讲者，这些Google Cloud的客户分享了他们关于AI带来的挑战、机遇和实际应用的洞察。每个组织都看到了AI领域蕴藏的巨大机遇，并且多年来一直与Google合作开发AI解决方案。
搜索和聊天的结合，已经成为客户体验领域的一个热门话题。这些企业代表讨论了他们是如何使用生成式AI展开无缝协作的搜索和聊天的。毫不奇怪，旅游公司一直在尝试创造更加个性化的客户体验。Priceline表示，生成式AI将帮助旅游公司打造更加互联的旅行体验，不仅整合了他们的所有产品，而且还能在客户旅行时为其提供更多相关信息。
与许多医疗组织一样，Mayo Foundation也在寻求尽量减少员工倦怠的方法。该组织使用生成式AI和搜索功能向临床医生和管理人员显示复杂的临床和医疗信息。理想情况下，他们可以把临床医生和管理人员的一些日常任务自动化，让员工有更多时间专注于重要的事情。
Mayo Foundation谈到了在任何新AI开发的早期阶段让人类参与其中的重要性。研究公司Lopez Research在与多家公司的多次讨论中了解到，让人类来检查模型输出的意图和准确性至关重要，因为AI模型经常无法按预期运行，AI是需要微调的。
Wayfair谈到了家居领域的挑战以及将AI与搜索功能相匹配的需求。例如，为你的客厅寻找完美的沙发，与查找最新NBA比赛分数是有很大区别的。在零售业，没有唯一正确的答案。这是一次客户旅程。Wayfair谈到了该公司是如何随着时间的推移利用机器学习功能来了解客户意图并将客户与完美产品相匹配的。
Wayfair有一个生成式AI框架和一个小型跨职能团队，该团队负责审查哪些A 用例能够带来价值，但仍然需要有人参与其中以审核输出内容，最大程度降低企业风险。Wayfair拥有针对客户服务、销售和代码生成助理的快速跟踪用例。展望未来，Wayfair希望专注于为客户提供更具针对性和差异化的功能，例如提供生成图像。
Wendy’s则希望提高取货窗口流程的速度、准确性和一致性。Wendy's公司有30多种可定制的菜单产品，此外顾客可能会以与菜单板不同的方式订购产品。Wendy's公司使用AI技术（特别是Dialogflow等技术），帮助他们实现接单流程的自动化。
今年5月，Wendy’s公司宣布进行了首个试点，使用Vertex AI等新的生成式AI产品与顾客进行对话，其中包括了解定制请求并对常见问题生成响应等公司，其目标是通过利用生成式AI来消除订购流程的复杂性。Wendy's将使用Google的基础大型语言模型和Wendy's菜单中的数据，建立对话护栏的业务规则和逻辑，并且这一AI系统与Wendy’s的硬件和POS机进行了集成。
Wendy's表示，他们不是解决单一的问题，而是希望创建一种平台方法，解决Wendy's各种渠道的问题，从汽车餐厅到移动应用等各个方面。Wendy's表示，他们在使用语言模型接受订单方面已经取得了早期成功，而且员工并不担心工作岗位会被取代，因为接单过程只是他们在餐厅所做的多项工作之一。Wendy's特别强调了通过提供概念证明和收集反馈在技术设计阶段尽早吸引员工和加盟商的好处。
Priceline表示，开发人员的思维方式必须转变为开发体验而不是功能。开发人员必须设计一种优化大型语言模型的输入和输出的体验，这种技能与精通JavaScript编程是完全不同的。例如，在设计提示词（prompt）的过程中，开发人员必须决定提示词在价格方面的重要性或者对于顾客来说有多大价值。
提示词对于交流和指导大型语言模型AI的行为来说是至关重要的。提示词是人们用来从模型中获取答案的输入或查询内容。Priceline还表示，企业低估了购买实时数据基础设施解决方案以实现生成式AI的需求。企业需要能够测量和监控其生态系统内的AI模型。
Wayfair公司指出，即使是数字原生的企业也会有传统的数字解决方案。该公司分享了Google是如何帮助他们从单一的代码库和数据库转向云原生架构的，他们还使用Vertex AI和Gen App Builder让数据科学家和机器学习工程师能够更轻松地快速加入平台，以便团队可以专注于构建和实验，而无需担心设计机器学习基础设施。Wayfair使用BERT了解客户在搜索中的意图。
Mayo方面则表示，他们使用大型语言模型已经有一段时间了，最近他们的工具包中还加入了生成式AI。医疗行业一直在努力搜索和查找信息。Mayo表示，一名患者平均有7000至8000个数据点。医生平均每天要看诊10至15名患者。和Wayfair一样，Mayo和Google合作也有一段时间了。
Mayo在使用生成式AI之前，使用了Google的自然语言处理（NLP）功能来更轻松地收集和合成非结构化数据，而生成式AI进一步推动了这些努力。Mayo Clinic首席信息官Cris Ross在一份有关两家公司合作的新闻稿中分享道：“Google Cloud的工具有潜力解锁那些通常无法以传统方式搜索、难以访问或者难以解释的信息源，从患者复杂的病史到影像、基因组学和实验室。”
显然，Mayo Foundation也关心患者数据的安全。他们谈到了带有客户私钥的安全飞地，这种技术可以确保数据隐私、通过可审核视图控制数据所在位置以及静态加密。此外，Mayo还希望为创新者提供安全可靠的沙箱，用于研发测试。
Mayo Foundation表示，没有任何模型是100%完美的，但重要的是如何衡量模型的准确性并提供对模型擅长领域的信心。Mayo Foundation认为，你不需要直接进行患者诊断就能使AI取得成功，因为有很多唾手可得的成果可以减少文书工作和管理负担，例如，可以在医生就诊之前向临床医生提供他们的记录摘要，从而改变患者的体验。
Wayfair则指出，当今AI最大的区别之一就是，所有企业都可以使用基础功能即服务来帮助快速启动AI方面的工作。在此之前，你必须聘请高技能人才，构建AI基础设施，并采用AI软件工具。对于那些寻求部署AI的组织来说，来自多个提供商的特定服务的可用性将改变游戏规则。
Google Cloud GTM总裁、Google Ireland负责人Adaire Fox-Martin在座谈会结束时用一句恰当的话总结了我们面前的机遇，她说：“你可以重新构想，这不仅仅是一个流程，而是具备AI能力的整个行业。对整个行业来说，现在是生成式AI逐渐成型的阶段。”
