来源:波士顿咨询公司 编辑:管理员 时间:2023/9/14 |
人工智能已发展多年,历经专家模型、机器学习、深度学习多个阶段。今天生成式AI 之所以火热,是因其相较传统AI,在“对话”与“创造”两类能力上实现了根本性的突破。 • 就“对话”能力而言,过去的机器在回答问题时往往缺乏对上下文的理解,导致答案 相关性较低,表达机械化;而如今的生成式AI 能够理解更长的上下文,并进行拟人化 的思考和回答,与人类的对话沟通也更自然; • 在“创造”能力方面,以往的机器只能按照预设任务(如分类、数值预测)输出答案; 而现在,生成式AI 能够自动生成自洽的图形、文本甚至代码,具备优秀的内容创作 能力。 那么生成式AI 背后的大模型,又是如何形成了突破性的对话和创造能力?这离不开科 学和工程的双重进步。 一是科学的进步,即算法的突破。AI 算法的本质在于特征提取。基于Attention Layer 的Transformer 技术,是一种新的模型架构,能更好地提取“全局”特征,因此模型的效 果更好。Transformer 技术使机器能高效捕捉海量语料中一个个词之间的关系,或者海量 图片中一个个像素之间的关系,使得大量的知识(本质上表现为词语之间的关系)能被封装 在训练好的模型中。由于该模型架构强大的能力,在2018 年Transformer 技术出现后,三 分天下的AI 应用领域(计算机视觉、语音识别和自然语言处理)逐渐形成大一统趋势。以 前各个领域有一套适配其应用场景的模型架构,如今Transformer 可相对较好地处理各类 场景的问题。 二是工程的进步,即超大规模的算力和数据的支持。由于基础设施的进步(高算力芯片、 高速网络),模型的训练规模较之前深度学习阶段有了数量级的显著跃升。深度学习时代 的模型参数通常只有百万量级,只能训练几亿级的文本且还需要人工标记;但以 ChatGPT 为例的大模型参数可达1,750 亿,能训练数万亿级的单词文本且预训练不需要人工标记。 正因为训练的语料和参数在量级上的突飞猛进,使大模型体现出的能力远超以前。同时, 也因为足够大到能训练和封装几乎全科领域的知识,大模型能表现出很强的“通用性”能 力,即一个大模型可以在结合精调后运用到多个完全不同的场景。
|
信息推荐 |
» 直观体验:生成式AI带来何种不同? |
可以直观地感受到生成式AI 带来的核心体验的变化,客户经理小王不再需要到CRM 系统的层层功能菜单中去逐一查找并手动汇总分散的信息,把小王从占用时间的案 头类工作中解放出来 |
» 多款B端应用在发布生成式AI功能后,都有较大幅度提价 |
Microsoft 365 Copilot统一定价为每个用户每月30美元,较Microsoft 365原有订阅会员价提升50%-240%;Salesforce各级套餐提价幅度5%-10%,系7年以来共22次版本更新 |
» Rosebud AI:为游戏资产生成提供便利 |
Rosebud AI可用于构建游戏背景,动画,AI NPC,自定义角色 ,故事线等游戏资产,也可以利用AI生成视觉小说,面向游戏开发者以及普通玩家 |
» 网站AI应用访问量明显提升—自动生成企业官网 |
Durable网站生成工具,在30秒内创建公司网站,免去了用户使用代码开发网站的需求;Stack AI为网站快速部署AI功能,构建有AI功能的应用程序 |
» Kaedim:3D模型的AI生成工具,将2D图像转换为3D模型 |
Kaedim可帮助用户将2D图像转换为逼真的3D模型,已为用户生成超2.4万模型,节省时间约 9.3万小时,近三月总访问量84.7万 |
» Fliki:AI生成音视频,支持多种语言 |
司Nine Thirty Five发布AI应用Fliki AI,是一个文本到语音,和文本到视频转换器,核心在于AI仿真人声,可以个性化定制口音和情感 |
» 生成式AI的三大抓手,让机器的答案更专业、更实事求是 |
利用嵌入,使大模型能基于给定的数据库来生成答案;利用强有力的提示词设计,使模型给出契合专业性要求的准确答案;直接对开源大模型进行指令精调 |
» 以国际银行为例,规模化应用生成式AI将释放显著的降本增效收益 |
以一家拥有约两万名员工的区域性国际银行为例,梳理了该银行前中后台相关部门应用生成式AI 的潜力和效益,预计在首年即可为该银行 节省约1.5 亿美元的成本 |
» 生成式AI在银行业的应用场景可贯穿前中后台各个环节 |
生成式AI在银行业的应用场景可贯穿前中后台各个环节。银行的每条业务线、每个职能,都有可能找到生成式AI的应用场景 |
» 生成式AI在银行业的应用,从价值创造逻辑上可分为两大类: |
生成式AI可以替代人,开展大量重复性较高,简单基础的任务;用生成式AI 的“对话”和“创造”能力,可让AI 成为助手,有效放大关键节点的“人”的产能 |