划重点:
1. 生成式AI的爆发年份: 近一年来,随着ChatGPT的推出,企业纷纷争先采用生成式AI,以获得新的竞争优势。然而,这是否对传统AI,如基于机器学习算法的预测模型,产生广泛提升仍然是个问题。
2. 生成式AI对传统AI的影响: 目前的研究显示,生成式AI的迅速普及似乎并没有导致对传统AI的广泛提升。调查显示,虽然生成式AI的使用可能推动其他AI工具的采用,但组织对这些技术的整体采用并没有显著增加。
3. 生成式AI与传统AI的区别: 生成式AI主要基于非结构化数据进行训练,而传统机器学习主要基于结构化数据。这使得以前未被使用的非结构化数据变得可用,但同时也带来了技术、技能、成本和数据类型等方面的巨大差异。
AICMTY(aicmty.com) 11月15日 消息:在ChatGPT推出近一年后,企业们争相采用生成式AI,以获取新的竞争优势或防止竞争对手采用相同的技术。然而,这引发了一个问题:传统形式的AI,特别是基于机器学习算法的预测模型,是否仍然有存在的空间?
图源备注:图片由AI生成,图片授权服务商Midjourney
迈进2023年,McKinsey的最新AI报告表明,生成式AI迎来了其“爆发年”,其中三分之一的受访组织表示他们已经定期使用生成式AI。调查还显示,由于生成式AI的进步,40%的组织计划增加对AI的整体投资。然而,有趣的是,这并没有引起对其他形式的AI的广泛提升,尤其是基于机器学习算法的传统模型。
Fortune-Deloitte CEO调查的数据显示,55%的首席执行官正在评估或尝试生成式AI,但只有39%的首席执行官表示他们正在评估或尝试预测性AI。这些数字引起了Forrester分析师Kjell Carlsson的兴趣,他指出生成式AI与传统AI之间存在实质性差异。
生成式AI的生成性质是真正的区别所在。许多公司正在利用生成式AI开发基于其内部数据、文本和报告的内部助手和聊天机器人。此外,令人惊讶的是,制药公司也在加速药物发现方面使用生成式AI。
然而,与生成式AI的崛起相比,将AI应用程序投入生产的过程并没有发生太大变化。所有那些在规模、整合最新技术、实现可观察性和透明性、以及利用混合云进行轻松和成本效益方面所需的传统能力在生成式AI领域变得更加重要。
虽然数据科学平台供应商如Domino正在忙于调整其业务模式以针对生成式AI,但还有其他一些供应商正更深度地利用生成式AI的潮流。OpenAI及其业务合作伙伴Microsoft正在利用先发优势,在新兴的生成式AI市场上占据重要份额。
生成式AI供应商的市场成功反映了生成式AI与传统AI之间的另一个重要区别:生成式AI目前主要是一种购买而不是构建的东西。这也是LinkedIn上数据和分析顾问John Thomas最近一篇文章的主题。他指出,传统AI模型大多是定制开发的,而生成式AI应用程序主要是使用供应商开发的基础模型构建的。
生成式AI和传统AI项目之间还存在其他重要区别,包括开始使用生成式AI需要较小的前期开发成本,并且可以在几天内启动。相比之下,传统AI需要更高的前期成本,并且需要更长的启动时间。
技术、技能、成本和数据类型等方面的巨大差异使得使用案例也有所不同。传统AI主要用于分析性质的工作,涉及根据过去的数据预测值或分类观察结果。相反,生成式AI可以生成内容并执行任务,其新的能力包括生成和操纵代码、文本、图像、视频、音频和数据。
随着组织从生成式AI的实验/评估阶段迅速过渡到有限和全面生产阶段,它们将在如何使用这项技术方面积累宝贵的知识。然而,正如过去在大数据、机器学习和传统AI方面的经验所示,通往生产力的道路上可能会有意外的波折,甚至不考虑生成式AI在幻觉、隐私和法律责任方面的已知问题。
尽管主流媒体中的炒作水平表明我们已经实现了人工通用智能(AGI)的终极目标,但那些深耕于大数据、高级分析和人工智能领域的人士认识到,我们距离实现AGI仍然有很远的路要走。此外,考虑到大多数组织在生成式AI方面的经验不到一年,围绕生成式AI的集体学习曲线必然是陡峭的。
在此期间,生成式AI将继续吸引几乎所有的注意力,而传统AI将为此付出代价。一旦围绕生成式AI的糖分高潮消退,高管们意识到它并不提供一个快速而轻松的转型成功之路,同时还带来了关于准确性、透明性和法律责任的一系列新问题,企业将在将生成式AI整合到现有IT堆栈和业务模型中进行艰难但必要的工作时找到更坚实的基础。