麦肯锡：ChatGPT 等生成式 AI 技术将如何改变企业？
生成式人工智能（AI）和其他基础模型正在改变AI的格局，将辅助技术提升到一个新的水平，减少应用开发时间，并赋予非技术用户强大的能力。
原本标题：Generative AI is here: How tools like ChatGPT could change your business
原文作者：Michael Chui、Roger Roberts、Lareina Yee
原文来源：麦肯锡
编译：DeFi 之道
生成式人工智能（AI）和其他基础模型正在改变AI的格局，将辅助技术提升到一个新的水平，减少应用开发时间，并赋予非技术用户强大的能力。
鉴于这篇文章的主题，我们问了 ChatGPT（一款可以根据用户提示词产出原创内容的生成型AI语言模型），这篇文章的开头应该如何写。以下是我们输入系统的提示词：
按照麦肯锡公司的风格，为一篇关于生成式AI将如何为企业带来变革的文章写一段开头。
ChatGPT 的回应：
生成式AI的兴起有可能成为企业运营的基本规律带来重大变革。这项技术基于对现有数据的学习，来生成原创内容，有彻底改变行业并改变公司运营方式的潜力。生成性AI使许多以前由人类完成的工作可以实现自动化，从而提高效率和生产力，降低成本，并开辟新的增长机会。因此，能够有效利用该技术的企业可能会获得显著的竞争优势。
这个回答并不完美，但令人印象深刻。
对于我们和我们最近接触的许多高管来说，在 OpenAI 开发的 ChatGPT 中输入一个提示词，就足以见证生成式AI的力量。在其发布之后的五天内，有超过一百万的用户登录该平台亲手体验。OpenAI 的服务器几乎无法满足需求，经常闪出信息提示用户在服务器容量释放出来后再来访问。
像ChatGPT和GitHub Copilot这样的产品，以及为这些系统提供动力的底层AI模型（例如Stable Diffusion、DALL-E 2、GPT-3），正在将技术带入曾经被认为是为人类保留的领域。有了生成式AI，计算机现在可以说是展现了创造力，可以根据查询产生原创内容，从获取的数据和与用户的互动中汲取营养。AI可以撰写博客、绘制包装设计草图、编写计算机代码，甚至对生产错误的原因进行理论分析。
这类最新的生成式AI系统建基于基础模型——一种大型深度学习模型，用涵盖多个主题的、大规模、广泛、非结构化的数据集（如文本和图像）训练而成。开发人员可以将这些模型应用于各种场景，而对每项任务几乎不需要进行微调。例如，ChatGPT的基础模型GPT-3.5也被用来翻译文本，科学家们使用GPT的早期版本创建了新的蛋白质序列。
上述能力可以为所有人所用，包括缺乏专业机器学习技能的开发者，在某些情况下，也包括没有技术背景的人。使用基础模型，还可以将开发新的AI应用的时间减少到前所未有的低水平。
生成式 AI 有望使 2023 年成为 AI 领域最激动人心的年份之一。但每一项新技术兴起之时，企业领导人都必须睁大双眼，生成式 AI 当下也带来了许多道德和实践层面的挑战。
向人类领域迈进
十多年前，我们曾写过一篇文章，将经济活动分为三类——生产、交易和互动，并考察了技术对每一个环节的影响程度。在100多年前的工业革命中，机器和工厂生产技术通过增强和自动化人类劳动改变了生产，而AI进一步提高了制造车间的效率。在大约相同的时期，交易也经历了许多技术迭代，包括数字化和自动化变革。
直到最近，互动性的工作，例如客户服务，还未经历过成熟的技术干预。生成式AI将改变这种状况，能以一种接近人类行为的方式从事互动性工作，在某些情况下，甚至难以察觉。不过，这并不是说这些工具是为了在没有人类输入和干预的情况下工作。许多情况下，这些工具与人类结合起来是最强大的，增强了他们的能力，使他们能够更快、更好地完成工作。
生成式AI也正在将技术推向一个被认为是专属于人类思维的领域：创造力。该技术利用其输入（所获得的数据和用户提示词）和经验（与用户的互动，帮助其 “学习”新信息和什么是正确/不正确）来生成全新的内容。
虽然在可预见的未来，人们在餐桌上将持续不断地争论AI生成的内容是否真的等同于创造力。但大多数人可能会同意，这些工具通过向人类提供初始的想法，将会向世界释放更多的创造力。
商业用途多多
这些模型处于扩展的早期阶段，但我们已经开始看到第一批不同功能的应用，包括以下内容（参见图示）：
- 营销和销售。起草个性化的营销、社交媒体和技术销售内容（包括文字、图像和视频）；创建符合特定业务的助手，例如零售业。
- 操作。为有效执行特定活动而生成任务清单。
- IT/工程。编写、记录和审查代码。
关于【麦肯锡：ChatGPT 等生成式 AI 技术将如何改变企业？】的延伸阅读
重新理解Marlin：AI下半场的可验证计算L0「新基建」
Marlin是一种可验证云计算服务，利用加密技术保证数据安全，为AI+Web3应用提供低延迟、低成本的解决方案。它基于TEE和ZKP技术，为用户提供通用化的云计算方案，并通过激励机制吸引节点为网络贡献资源。Marlin的愿景是成为AI世界的可验证通用L0，为Oracle预言机、ZK Prover系统、AI人工智能等应用场景提供节点算力和存储等网络资源服务。它可以为AI大模型训练提供安全的计算环境，并为多元化应用场景提供可验证计算中间件。在AI+Web3时代，Marlin有巨大的价值潜力，可能成为未来AI+Web3应用的关键基础设施。
Sam Altman 围绕 OpenAI 打造出一个致富帝国
OpenAI首席执行官奥特曼同时经营副业，但只有一份工作让他发了财。他投资了多家想抓住人工智能风口的公司，包括网络安全软件公司和清洁能源公司。他最成功的投资是支付处理初创公司Stripe。奥特曼也投资了使用OpenAI技术的初创公司。他曾因投资引发利益冲突而被罢免职务，但重新担任首席执行官后制定了新的利益冲突政策。董事会正在进行改革，包括强化利益冲突政策和独立审计委员会。奥特曼计划通过全面披露和董事会管理来解决利益冲突问题。
- 风控和法律。从大量的法律文件中提取信息，回答复杂的问题，起草和审查年度报告。
- 研发。通过更好地了解疾病和发现化学结构，加速药物研发。
应该兴奋，但仍需要谨慎行事
由于生成式AI令人惊叹的产出结果，有人可能认为这是一种随时可以使用的技术，但事实并非如此。这种技术仍处在萌芽阶段，高管们必须谨慎行事。技术专家们仍在解决各种问题，大量的实践和道德问题仍未解决。
以下是其中几个问题：
- 像人类一样，生成式AI也会出错。例如，ChatGPT有时会产生“幻觉”，面对用户的问题，会自信地生成完全不准确的信息，并且没有内置的机制来提醒用户或质疑这个结果。例如，我们注意到，当要求ChatGPT创建一篇关于某个人的简历时，它生成了几个不正确的事实，比如列出了错误的学历。
- 过滤器还不能有效地捕捉到不恰当的内容。可以根据个人照片创建化身头像（avatar）的图片生成应用程序，其用户可能会从系统中收到裸体化身头像选项，尽管他们输入的是正常的照片。
- 系统性的偏见问题仍然需要解决。这些AI系统从大数据中提取信息，而来源数据中可能包含不应有的偏见。
- 不同公司的行为准则和价值观没有得到体现。公司需要对AI技术进行调整，才能纳入公司特有的文化和价值观，这已经超出了一些公司已有的技术专长和计算能力。
- 知识产权问题有待商榷。当一个生成式AI模型根据用户的提示词输出一个新的产品设计或想法时，谁能主张对结果的所有权？如果AI技术是抄袭了训练数据集中的某个来源，又该怎么办？
公司高管的初步行动
在考虑采用生成式AI技术的公司中，因为预计该技术将迅速发展，公司管理层希望迅速找出哪些业务部分该技术能产生最直接的影响，并实施相应的监测机制。为了不留遗憾，应该组建一个跨部门团队，成员包括数据科学从业者、法律专家和部分业务领导人，共同思考以下这些基本问题：
- 该技术可能在哪些方面帮助或颠覆我们的行业和/或我们企业的价值链？
- 我们的政策和立场是什么？例如，我们是在观望技术的发展，投资于试点项目，还是在寻求建立新的业务？各个业务领域对新技术的态度是否应该有所不同？
- 鉴于模型的局限性，我们有什么标准来选择合适的应用场景？
- 我们如何建立一个有效的生态系统，承载合作伙伴、社区和平台？
- 这些模式应该遵守哪些法律和社区标准，以便我们能够维护好利益相关者的信任？
同时，必须在整个组织内鼓励经过深思熟虑的创新，为大胆的尝试建立护栏和沙盒环境，其中许多已经可以通过云计算随时建立，还有更多可能即将出现。
免责声明：本文仅代表作者个人观点，不代表链观CHAINLOOK立场，不承担法律责任。文章及观点也不构成投资意见。请用户理性看待市场风险，以及遵守所在国家和地区的相关法律法规。
图文来源：Michael Chui、Roger Roberts、Lareina Yee，如有侵权请联系删除。转载或引用请注明文章出处！
