分析师迈克·莱昂内（Mike Leone）预测了生成式人工智能的下一步——从开源到监管转变——提供了对2024年行业发展方向的全面看法。
随着 2023 年接近尾声，是时候展望明年了。当涉及到生成式人工智能时，我们很容易迷失在所有的可能性中——我们在 2024 年可以现实地期待什么？
当然，我们将继续看到技术提供商对企业准备情况的关注，而通用人工智能的竞赛和愈演愈烈的人工智能芯片大战可能会成为头条新闻。但是，由于去年发生了如此多的变化，没有人确切知道该行业下一步将走向何方。我对 2024 年的六项生成式 AI 预测都围绕着实用性：持续采用、多模态、开源、负责任的 AI、监管和组织曝光。
2024 年，我将把大部分研究成果用于这些主题。对于组织受到这些发展影响的读者，期待一年来分享同行级研究、主要供应商公告、行业重组以及我在 TechTarget 企业战略小组 （ESG） 的同事之间的合作。
这是疯狂的 2023 年，我对2024 年的期望不会减少。
对于行业来说，从生成式人工智能目前所处的炒作阶段到兴趣减弱的时期是很常见的：幻灭的可怕低谷。也许实验失败了，或者业务方面没有足够快地看到价值，但这不会发生在生成式人工智能上。
我认为一些公司在将生成式人工智能纳入业务方面会失败吗？当然。生成式 AI 工具是否尚未为企业做好充分准备？确定。我认为现在有太多的模型可供选择吗？是的。但这些因素并不能阻止组织采用生成式人工智能。这项技术在很多方面使企业受益的例子太多了，我认为我们已经接近主流采用。
在我看来，有两个主要障碍可能会减缓采用速度：成本和监管。但鉴于开源人工智能的兴起，它正在推动当今的市场，我认为组织将比以往任何时候都更快地解决法规问题。随着技术提供商和供应商提供更高的成本透明度，我们将开始看到更实惠的方法。
多模态 AI 使最终用户能够以超越文本（例如图像、音频和视频）的方式与生成式 AI 进行交互。我们已经在这个领域看到了一些有前途的功能，包括谷歌最近宣布的原生多模态Gemini，但我们才刚刚开始。
使生成式 AI 模型能够同时处理多种类型的输入，将显著改善响应，从而更好地感知上下文。例如，与 PDF、图表或图形交互的能力将帮助企业中的许多利益相关者。但最让我兴奋的是它对制造、工程和医疗保健等领域的潜在影响。想象一下，以对话的方式与原理图、蓝图或基因组学进行交互。
当ESG询问组织他们计划如何开发或使用生成式人工智能时，超过三分之一的人表示他们计划使用开源大型语言模型（LLM）。这些组织希望通过整合自己的数据来控制、透明和定制开源模型的能力。
这就是检索增强生成 （RAG） 的用武之地。RAG 是一种技术，用于通过使用语义检索来引入特定内容（如企业数据）来解决幻觉和其他不准确问题。
从长远来看，我相信当前的许多模型将在性能方面趋同，输出足够相似的响应，无论您使用哪种模型都无关紧要。区别因素将不再是模型本身，而是它们使用的数据——不仅是进入训练集的数据，还有通过RAG使用的数据。数据将成为组织最大和最重要的差异化因素。
我们正在目睹主要联盟的形成，其目标是通过开放式创新提高负责任的人工智能能力。我们已经看到，在大公司内部形成了全新的业务部门，这些部门专注于责任和人工智能道德。到 2024 年，我们将开始看到负责任的 AI 协议和最佳实践的标准化，重点是治理、安全、安保和信任。
我认为我们在这方面有大量工作要做。太多推动生成式 AI 叙事的组织根本没有一个好的答案来应对负责任的 AI。它是一个内部管理机构，内部建立的东西，通过一个或多个合作伙伴填补的空白，还是上述所有？
最后，还有我最喜欢的问题：负责任的人工智能是否需要成为一种产品或服务，或者它是一种必须灌输到整个组织的心态和信念？后一种方法类似于“如果你看到什么，就说些什么”的心态。
截至 2023 年底，我们已经有了欧盟人工智能法案。我们还看到美国政府参与拜登政府最近行政命令的早期阶段。2024 年将是制定明确的人工智能法律的一年，我相信这将在国家和全球层面发生。
监管将在 2024 年迅速到来。但是，在不直接按下停止按钮的情况下，企业能以多快的速度做出反应？企业在平衡生产力和效率提升与合规性和安全问题时，需要表现出更高水平的敏捷性和适应性。
到 2024 年，我们将看到一些组织会因为错误的原因而成为头条新闻——违反新法规、安全漏洞、无意中共享私人数据或依赖不准确的人工智能响应。
这种趋势在 2023 年底已经出现，才刚刚开始。我相信几家财富 500 强公司会倒闭，因为他们在生成式 AI 方面玩得又快又松。请注意，我预测将要倒闭的公司不是LLM的提供者或技术的推动者 - 这将在技术行业之外，并且只是由于内部疏忽。
京公网安备 11010802035086号