穿越生成式AI的噪音

自2022年底ChatGPT釋出以來，生成式AI（GenAI）技術迅速成為科技界和商業界的焦點。這一浪潮既帶來了巨大的創新潛力，也伴隨著大量的炒作和不確定性。對於剛剛開始規劃GenAI戰略的企業而言，如何從喧囂中認清本質，並找到將這項技術融入自身運營的有效途徑，成為當務之急。

目前，業界對GenAI的認知度已達到前所未有的高度。Databricks執行長Ali Ghodsi在最近的資料與AI峰會上表示：“在過去六到七個月裡，我與客戶的每一次會議最終都會轉向生成式AI。無論最初討論的是什麼話題，最後的落腳點總是生成式AI。”IDC的調查資料也印證了這一觀點。由Teradata贊助的一項IDC調查顯示，近80%的高管相信，他們的公司將在未來的產品或運營中利用GenAI。IDC分析師Chandana Gopal和Dan Vesset在調查預覽中寫道：“沒有其他技術能在不到一年的時間內取得GenAI這樣的成就——它激發了數百萬人的想象力，顛覆了人類創造內容的方式，並從根本上改變了人們思考和工作的模式。”

然而，企業利用GenAI的意願與實際能力之間存在顯著差距。同一項針對900名全球高管的調查發現，目前只有30%的受訪者認為自己的企業已充分準備好利用GenAI，預計這一數字在未來6至12個月內只會溫和增長至42%。與此同時，56%的高管表示，他們在未來6至12個月內面臨著“高”或“顯著”的壓力，需要儘快部署GenAI，以免在競爭中落後。

那麼，企業究竟應如何採用GenAI？即將在華盛頓特區舉行的VOICE+AI會議的組織者Pete Erickson指出：“今年每個人都在問：現在什麼是可能的？我應該如何評估？這是一個非常獨特的年份。幾年後，一切會變得更加正常化，人們將看到確定的結果。”對於已經投資於先進自然語言處理和大型語言模型的聯絡中心行業來說，GenAI的路徑相對清晰。但其他行業應如何適應？

企業必須解決的最大問題之一是：是自建GenAI系統，還是購買第三方解決方案？透過API，企業可以訪問如OpenAI的GPT-4等強大的預訓練模型，這些模型在海量資料上訓練而成，能夠生成文本甚至影像。然而，許多公司不願採用API方式，擔心失去對資料的控制。同時，他們認為GPT-4或Google PaLM等通用模型對於自身特定需求而言過於臃腫。Databricks的Ghodsi表示：“這是當前最核心的問題。很多公司和服務提供的是生成式AI，但並非你自己的模型，因此你無法控制自己的智慧財產權。”

但自建大型語言模型（GenAI的核心）成本高昂且耗時。據估計，訓練OpenAI的GPT-3在Nvidia Tesla V100上花費約460萬美元。GPU短缺和技術人才缺口也是重要障礙。這正是Databricks收購MosaicML的動因。MosaicML由Naveen Rao於2021年初共同創立，在Databricks旗下將成為一個定製化GenAI模型的“工廠”，生產比GPT-4小得多、成本也低得多的模型。

除了“購買還是自建”的爭論，企業還需要思考GenAI能做什麼。IDC集團副總裁Philip Carter指出，GenAI將有三類廣泛用例：生產力應用、業務功能應用和行業特定應用。生產力應用涵蓋基本場景，如總結報告、生成職位描述或Java程式碼，這類功能正被融入現有應用（如微軟的Copilot或谷歌的Duet AI）。業務功能應用則更針對特定目標，如輔助營銷、銷售或採購，通常涉及一個或多個GenAI模型的採用，但許多組織擔心智慧財產權洩露和資料治理問題。行業特定應用則需要最深入的工作，例如藥物發現或製造材料設計，有些企業會自建模型，而另一些則透過API訪問現有模型。

在利用自有資料建立GenAI應用之前，企業還有大量準備工作要做。治理和透明度問題迅速成為焦點。美國計算機協會（ACM）最近釋出新論文，呼籲對高風險AI應用加強監管，一位作者將當前形勢描述為“狂野西部”。IDC的Carter建議企業投資構建智慧架構以管理資料和模型的整個生命週期，並建立資料隱私、安全和智慧財產權保護的協議。

生成式AI的未來是光明的，儘管圍繞ChatGPT的熱度可能逐漸消退，但每一項新技術都是通向更強大技術的墊腳石。企業不僅需要為當前的GenAI做好準備，更應積極迎接下一代AI的到來。