ChatGPT虽然很酷，但只是个开始，生成式AI的企业用途远不止如此。
Gartner技术创新研究副总裁Brian Burke & Gartner研究总监闫斌表示：“像ChatGPT这样的早期基础模型侧重于生成式AI增强创造性工作的能力，但我们预测到2025年，使用生成式AI技术系统研发的新药和材料比例将从现在的零上升到30%以上，而这只是其众多行业用例之一。”
现在下载: 2023年重要战略技术趋势
生成式AI的五个行业用例
生成式AI通过探索一个对象的各种可能的设计来找到正确或最合适的匹配。它不仅可以增强和加速许多领域的设计，而且还有可能“发明”人类可能错过的新颖设计或物件。
营销人员和媒体已经感受到生成式AI的影响。Gartner预测：
- 到2025年，大型企业机构对外营销信息中的合成信息比例将从2022年的不到2%上升到30%。
- 到2030年，电影大片中AI生成内容的比例（从文本到视频）将从2022年的0%上升到90%。
AI创新整体上仍在加速，为各行业的生成式AI创造了许多用例，包括以下五个用例：
1. 生成式AI在药物设计领域的应用
2010年的一项研究显示，一种药物从研发到上市的平均成本约为18亿美元，其中药物研发成本约占三分之一，整个研发过程需要长达3至6年。生成式AI已被用于将各种用途的药物设计周期缩短到几个月，减少制药行业的药物研发成本和时间。
2. 生成式AI在材料科学中的应用
生成式AI正在通过组合出具有特定物理特性的新材料影响着汽车、航空、国防、医疗、电子和能源行业。这个被称为逆向设计的流程定义所需的特性，然后探索可能具有这些特性的材料，而不是依靠偶然性来找到具备这些特性的材料，因此可以发现例如比目前用于能源和运输行业的材料更具导电性或磁吸引力的材料、满足耐腐蚀要求的材料等。
3. 生成式AI在芯片设计中的应用
生成式AI可以使用强化学习（一种机器学习技术）优化半导体芯片设计（布图规划）中的元件位置，将产品开发周期从几周（使用人类专家）缩短到几小时（使用生成式AI）。
4. 生成式AI在合成数据中的应用
生成式AI可以用来创建合成数据。合成数据是一种生成的数据，不是来自于对真实世界的直接观察结果。这保护了模型训练数据原始来源的隐私，例如可以人为生成用于研究和分析的医疗数据，这样就能避免透露所使用的医疗记录上的病人身份，保护病人的隐私。
5. 零件的生成式设计
凭借生成式AI，制造、汽车、航空、国防等行业能够设计出最能够满足性能、材料、制造工艺等特定目标和限制的零件。例如，汽车制造商可以使用生成式设计创造出更轻的设计，帮助他们实现让汽车更省油的目标。
通过嵌入合适的技术挖掘生成式AI的潜力
今天的大多数AI系统是分类器，所以可以训练它们区分狗和猫的图像等。而生成式AI系统经过训练后可以生成现实世界中不存在的狗或猫的图像。具有创造力的技术将改变“游戏规则”。
生成式AI使系统能够创造视频、叙述、训练数据，乃至设计和原理图等高价值的人工制品。
例如，生成式预训练转换器（GPT）是一种使用深度学习生成类似人类文本的大规模自然语言技术。第三代GPT（GPT-3）可根据其吸收的训练，预测句子中最有可能出现的下一个词，能够编写故事、歌曲和诗歌，甚至计算机代码，并使ChatGPT能够在几秒内完成孩子的作业。
除了文本之外，DALL-E 2、Stable Diffusion、Midjourney等数字图像生成器可以从文本中生成图像。
生成式AI蕴含了许多AI技术，但最近，基础模型成为了焦点。基础模型能够在一般数据源上进行自我监督式的预训练，然后就可以用来解决新的问题。基础模型的主要基础是转换器架构，这种深度神经网络架构可以计算训练数据的数值表示。
转换器架构通过追踪连续数据中的关系来了解上下文，进而了解意义。转换器模型采用一套不断发展的数学技术（称为注意力或自我注意力）检测连续数据中各种数据元素之间相互影响和依赖的微妙方式。
不要忘记生成式AI的风险
在全力发展生成式AI之前，请记住生成式AI为企业带来的不只有机会，还有切实的威胁，包括深度伪造、版权问题以及其他恶意使用生成式AI技术攻击企业机构的风险。
您可以与安全和风险管理领导者一起积极主动地降低生成式AI的恶意使用给个人、组织和政府带来的声誉、造假、欺诈和政治风险。
您也可以考虑通过精心编制的认可厂商和服务列表来引导负责任地使用生成式AI，优先选择致力于训练数据集的公开透明化和正当使用模型并且/或者提供其模型开放源码的厂商。
可以直接进入Gartner中文官方网站，查看更多研究报告。
