ChatGPT 虽然很酷，但仅仅是冰山一角；生成式人工智能的企业用途要复杂得多，对人类生产生活将产生重大影响。
在过去三年中，风险投资公司已在生成式 AI 解决方案上投资超过 17 亿美元，其中 AI 支持的药物发现和 AI 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 AI 增强创造性工作的能力，但到 2025 年，我们预计超过 30% 的新药物和材料将使用生成 AI 技术系统地发现，而目前为零。” Gartner 技术创新研究副总裁 Brian Burke说道：“这只是众多行业用例之一。”
▎生成式人工智能的五个行业用例
生成式 AI 可以探索对象的多种可能设计，以找到正确或最合适的匹配项。它不仅增强和加速了许多领域的设计，它还有可能“发明”人类可能错过的新颖设计或物体。
营销和媒体已经感受到生成式人工智能的影响。Gartner 预计：
- 到 2025 年，大型企业 30% 的对外营销信息将由人工智能生成，高于 2022 年的不到 2%。
- 到 2030 年，将有 90% 的电影由 AI 生成（从文本到视频），而 2022 年这一比例为 0%。
尽管如此，人工智能创新总体上仍在加速，为各个行业的生成人工智能创造了大量用例，包括以下五个。
一、药物设计中的生成式 AI
2010 年的一项研究表明，将一种药物从发现到推向市场的平均成本约为 18 亿美元，其中药物发现成本约占三分之一，而发现过程耗时高达三到六年。几个月内，生成式 AI 已被用于设计各种用途的药物，为制药公司提供了减少药物发现成本和缩短时间的重要机会。
二、材料科学中的生成人工智能
生成式人工智能通过合成针对特定物理特性的全新材料，正在影响汽车、航空航天、国防、医疗、电子和能源行业。这个过程称为逆向设计，定义所需的特性并发现可能具有这些特性的材料，而不是依靠偶然性来找到具有这些特性的材料。例如，其结果是找到比目前用于能源和运输的材料更具导电性或更强磁吸引力的材料，或者用于需要耐腐蚀材料的用例。
三、芯片设计中的生成式人工智能
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）中的组件布局，将产品开发生命周期时间从人类专家的数周缩短到生成式 AI 的数小时。
四、合成数据中的生成人工智能
生成式 AI 是创建合成数据的一种方式，合成数据是生成的一类数据，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原始来源的隐私。例如，可以人工生成医疗保健数据用于研究和分析，而不会泄露其病历被用于确保隐私的患者身份。
五、零件的生成设计
生成式 AI 使制造、汽车、航空航天和国防等行业能够设计经过优化的零件，以满足特定目标和限制条件，例如性能、材料和制造方法。例如，汽车制造商可以使用衍生式设计来创新更轻的设计——有助于他们实现提高汽车燃油效率的目标。
▎打开生成式 AI的正确姿势
ChatGPT为代表的生成式AI在全球掀起了新一轮人工智能军备竞赛，但并不是条条大道都通罗马。
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。可以训练生成式人工智能系统生成现实世界中不存在的狗或猫的图像。技术的创造性能力改变了游戏规则。
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，甚至设计和示意图。
例如，Generative Pre-trained Transformer (GPT) 是一种利用深度学习生成类人文本的大规模自然语言技术。第三代 (GPT-3) 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，可以编写故事、歌曲和诗歌，甚至计算机代码——并使 ChatGPT 能够在几秒钟内完成你青少年的家庭作业。
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人工智能，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一般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 Transformer 架构，它体现了一种计算训练数据的数字表示的深度神经网络架构。
Transformer 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。Transformer 模型应用了一组不断发展的数学技术，称为注意力或自注意力，以检测微妙的方式，即使是一系列中遥远的数据元素也相互影响和依赖。
▎警惕人工智能风险
在全速前进之前，请记住，生成式 AI 不仅会带来商业机会，还会带来威胁：包括潜在的深度伪造、版权问题，以及针对企业的恶意使用生成 AI 技术（编者：例如网络钓鱼、商业欺诈和恶意软件）的问题。
与安全和风险管理领导者合作，主动缓解恶意使用生成人工智能给个人、组织和政府带来的声誉、假冒、欺诈和政治风险。
还可以考虑通过经过批准的供应商和服务的精选列表实施关于负责任地使用生成 AI的指南，优先考虑那些训练数据集和模型使用透明度高，和/或以开源方式提供模型的供应商和服务。
*本文作者Brian Burke是Gartner技术创新研究副总裁，在技术创新和企业架构方面拥有 25 年的经验。研究主要集中在趋势发现新兴战略技术趋势上。他是 Top Strategic Technology Trends 和 Hype Cycle for Emerging Technologies 的主要作者。他还是 2014 年出版的书“游戏化：游戏化如何激励人们做出非凡的事情”一书的作者。
