ChatGPT 虽然很酷，但这只是一个开始; 生成式人工智能的企业用途要复杂得多。

过去三年，风险投资公司在生成式人工智能解决方案上投资了超过 17 亿美元，其中人工智能药物发现和人工智能软件编码获得的资金最多。

“ChatGPT 等早期基础模型侧重于生成式 AI 增强创造性工作的能力，但到 2025 年，我们预计将使用生成式 AI 技术系统地发现超过 30% 的新药物和材料(目前为零)，” Brian Burke，Gartner 技术创新研究副总裁。 “这只是众多行业用例之一。”

第一名：药物设计中的生成人工智能

2010年的一项研究显示，一种药物从发现到上市的平均成本约为18亿美元，其中药物发现成本约占三分之一，而发现过程花费了长达三到六年的时间。 生成式人工智能已在几个月内用于设计各种用途的药物，为制药公司提供了降低药物发现成本和缩短时间的重大机会。

第二名：材料科学中的生成式人工智能

生成式人工智能通过构建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。 这个过程被称为逆向设计，定义所需的属性并发现可能具有这些属性的材料，而不是依靠偶然性来找到拥有这些属性的材料。 例如，其结果是找到比目前在能源和运输中使用的材料更具导电性或具有更大磁吸引力的材料，或者用于材料需要耐腐蚀的用例。

第三名：芯片设计中的生成式人工智能

生成式人工智能可以使用强化学习(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几周缩短到生成式人工智能的几小时。

第四名：合成数据中的生成人工智能

生成式人工智能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原始数据源的隐私。 例如，可以人工生成医疗数据用于研究和分析，而无需透露其医疗记录用于确保隐私的患者的身份。

第 5 点：零件的生成设计

生成式人工智能使制造、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， 电子元器件采购网 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，从而有助于实现提高汽车燃油效率的目标。

嵌入正确的技术来释放生成式人工智能

如今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。 生成式人工智能系统可以被训练来生成现实世界中不存在的狗或猫的图像。 技术的创造力能够改变游戏规则。

生成式人工智能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原理图。

例如，生成式预训练 Transformer (GPT) 是一种大规模自然语言技术，它使用深度学习来生成类似人类的文本。 第三代(GPT-3)可以根据吸收和积累的训练来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青少年的作业。

除了文本之外，图像生成器(例如 DALL·E 2、Stable Diffusion 和 Midjourney)也可以从文本生成图像。

生成式人工智能采用了多种人工智能技术，但最近，基础模型成为了人们关注的焦点。

基础模型以自我监督的方式在通用数据源上进行预训练，然后可以适应新问题。 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值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 模型应用一组不断发展的数学技术(称为注意力或自注意力)来检测一系列影响和相互依赖的微妙方式，甚至是遥远的数据元素。

不要忘记生成式人工智能的风险

在全速前进之前，请记住，生成式人工智能不仅提供了商业机会，而且还提供了商业机会。 这些威胁也是真实存在的——包括深度伪造、版权问题以及其他针对您的组织的恶意使用生成式人工智能技术的可能性。

与安全和风险管理领导者合作，主动减轻恶意使用生成式人工智能给个人、组织和政府带来的声誉、假冒、欺诈和政治风险。

还可以考虑通过批准的供应商和服务的精选列表来实施关于负责任地使用生成式人工智能的指南，优先考虑那些努力提供培训数据集和适当模型使用透明度的供应商和/或以开源方式提供其模型的供应商和服务。

审核编辑：汤梓红

• 人工智能
• 应用
• 生成