ChatGPT 雖然很酷，但這只是一個開始; 生成式人工智能的企業用途要復雜得多。

過去三年，風險投資公司在生成式人工智能解決方案上投資了超過 17 億美元，其中人工智能藥物發現和人工智能軟件編碼獲得的資金最多。

“ChatGPT 等早期基礎模型側重于生成式 AI 增強創造性工作的能力，但到 2025 年，我們預計將使用生成式 AI 技術系統地發現超過 30% 的新藥物和材料(目前為零)，” Brian Burke，Gartner 技術創新研究副總裁。 “這只是眾多行業用例之一。”

第一名：藥物設計中的生成人工智能

2010年的一項研究顯示，一種藥物從發現到上市的平均成本約為18億美元，其中藥物發現成本約占三分之一，而發現過程花費了長達三到六年的時間。 生成式人工智能已在幾個月內用于設計各種用途的藥物，為制藥公司提供了降低藥物發現成本和縮短時間的重大機會。

第二名：材料科學中的生成式人工智能

生成式人工智能通過構建針對特定物理特性的全新材料，正在影響汽車、航空航天、國防、醫療、電子和能源行業。 這個過程被稱為逆向設計，定義所需的屬性并發現可能具有這些屬性的材料，而不是依靠偶然性來找到擁有這些屬性的材料。 例如，其結果是找到比目前在能源和運輸中使用的材料更具導電性或具有更大磁吸引力的材料，或者用于材料需要耐腐蝕的用例。

第三名：芯片設計中的生成式人工智能

生成式人工智能可以使用強化學習(一種機器學習技術)來優化半導體芯片設計(布局規劃)中的組件布局，將產品開發生命周期時間從人類專家的幾周縮短到生成式人工智能的幾小時。

第四名：合成數據中的生成人工智能

生成式人工智能是創建合成數據的一種方式，合成數據是生成的一類數據，而不是從對現實世界的直接觀察中獲得的數據。 這確保了用于訓練模型的原始數據源的隱私。 例如，可以人工生成醫療數據用于研究和分析，而無需透露其醫療記錄用于確保隱私的患者的身份。

第 5 點：零件的生成設計

生成式人工智能使制造、汽車、航空航天和國防等行業能夠設計經過優化的零件，以滿足特定目標和限制，例如性能、材料和制造方法。 例如，汽車制造商可以使用衍生式設計來創新更輕的設計，從而有助于實現提高汽車燃油效率的目標。

嵌入正確的技術來釋放生成式人工智能

如今大多數人工智能系統都是分類器，這意味著它們可以被訓練來區分狗和貓的圖像。 生成式人工智能系統可以被訓練來生成現實世界中不存在的狗或貓的圖像。 技術的創造力能夠改變游戲規則。

生成式人工智能使系統能夠創建高價值的工件，例如視頻、敘述、訓練數據甚至設計和原理圖。

例如，生成式預訓練 Transformer (GPT) 是一種大規模自然語言技術，它使用深度學習來生成類似人類的文本。 第三代(GPT-3)可以根據吸收和積累的訓練來預測句子中最有可能的下一個單詞，可以編寫故事、歌曲和詩歌，甚至計算機代碼，并使 ChatGPT 能夠在幾秒鐘內完成青少年的作業。

除了文本之外，圖像生成器(例如 DALL·E 2、Stable Diffusion 和 Midjourney)也可以從文本生成圖像。

生成式人工智能采用了多種人工智能技術，但最近，基礎模型成為了人們關注的焦點。

基礎模型以自我監督的方式在通用數據源上進行預訓練，然后可以適應新問題。 基礎模型主要基于 Transformer 架構，它體現了一種計算訓練數據的數值表示的深度神經網絡架構。

Transformer 架構通過跟蹤順序數據中的關系來學習上下文，從而學習意義。 Transformer 模型應用一組不斷發展的數學技術(稱為注意力或自注意力)來檢測一系列影響和相互依賴的微妙方式，甚至是遙遠的數據元素。

不要忘記生成式人工智能的風險

在全速前進之前，請記住，生成式人工智能不僅提供了商業機會，而且還提供了商業機會。 這些威脅也是真實存在的——包括深度偽造、版權問題以及其他針對您的組織的惡意使用生成式人工智能技術的可能性。

與安全和風險管理領導者合作，主動減輕惡意使用生成式人工智能給個人、組織和政府帶來的聲譽、假冒、欺詐和政治風險。

還可以考慮通過批準的供應商和服務的精選列表來實施關于負責任地使用生成式人工智能的指南，優先考慮那些努力提供培訓數據集和適當模型使用透明度的供應商和/或以開源方式提供其模型的供應商和服務。

審核編輯：湯梓紅