文章主题：ChatGPT, LLM, 人工智能
ChatGPT无疑已经吸引了全球的目光。然而,作为一种大型语言模型 (LLM),它的商业变革力量是否能在 2023 年持续存在,目前仍不得而知。为此,我们需要参考预测专家的观点,探讨其可能的未来发展走向。
根据Lightning AI首席技术官Luca Antiga的预测，到2023年，LLM（大型语言模型）的投资将会大幅度增长。作为一家专注于AI平台研发与部署的公司，Lightning AI正致力于打造一个易于使用且功能强大的工具。
GPT-3和BERT等LLM模型，以其独特的触发模式处理特定问题（例如数学考试）的文本输入，从而展示出其在复杂任务执行上的强大能力。这种模型的“大型”特点在于其体积庞大，无法单点加载，同时在训练过程中也常常面临挑战。然而，据我预测，随着2023年的到来，我们将看到更多初创企业和传统企业寻求资金支持，或重新分配现有资金，以专项用于打造和训练单一LLM。这预示着未来LLM模型的开发和应用将更加广泛和深入。
Amit Prakash，ThoughtSpot的联合创始人以及首席技术官，近期表示，由于LLM技术的出现，狭义人工智能将在未来得到更加广泛的运用。
在商业环境中，人工智能的应用主要集中在两大类：一是预测任务，例如预测用户行为、识别欺诈、分析用户点击以及转化率等；二是自动化低技能任务，这类应用相对简单，主要通过人工智能技术实现自动化处理。然而，大多数应用所涉及的范围相对较窄，往往需要经历大量功能工程化处理，才能够在实际应用中得以准确运行。此外，这种应用只有在大规模场景下才有其现实意义。Prakash的这一观点充分揭示了当前商业环境中人工智能应用的现实状态。
GPT-3以及各类LLM和DALL-E等生成模型正在颠覆我们对游戏的认知，它们预示着在未来几年中，人工智能将渗透到商业领域的每一个角落。借助这些强大的AI模型，我们可以吸收海量的知识，并在关键时刻做出策略性的部署，从而实现优化成果。无论是解答特定的问题，还是协助人类完成高度创新的任务，这些人工智能模型都能发挥出惊人的效能。
关于LLM对作家是否会导致过时的担忧，事实上，一些声音表示担忧，但另一些声音则持相反的观点。据医疗AI公司AKASA的首席技术官兼联合创始人Varun Ganapathi阐述，LLM实际上能够激发人们的创造力和想象力。
Ganapathi阐述，未来我们将目睹更多创新性的解决方案诞生，例如GitHub Co-Pilot和LLM，这些工具虽无法彻底解决所有问题，但却能有效地协助人们克服初学者的写作难题。面对茫茫白纸，往往让人无从下手，然而，一旦描述出提示或提出问题，模型便会输出相关结果，从而为你提供一些启示，并展示你可以运用的素材，尽管这些素材可能并不完全贴合你的需求。因此，提示工程（利用恰当的起始文本引导模型）有望为自然语言编程带来全新的创作途径。
“我认为人工智能将在许多领域以这种或类似的方式提供帮助，这非常有趣，”他继续说道。“人们认为人工智能的最大障碍是创造力，但具有讽刺意味的是，它可能恰恰相反。人工智能可能会帮助我们变得更有创造力——通过为我们灌输可以用于建立和完善的初始想法。”
人工智能驱动的图形计算公司Katana Graph的联合创始人兼首席执行官Keshav Pingali表示，无障碍是新一代人工智能技术的另一大优势。
Pingali表示：“ChatGPT最近的人气飙升被认为是在提供安全、有用的人工智能系统方面的一个重大突破，非技术用户可以通过对话方式访问这些系统。2023年，可以预计会有更多的模型面世，因为用户和人工智能助手之间的数据将找到改进部门（包括营销、销售、人力资源和其他部门）工作方式的方法。”
组织将面临更大的压力来实现人工智能的价值，尽管人工智能已经在所有行业中牢牢扎根，从金融服务到医疗保健和其他行业。但许多组织仍在努力将人工智能概念证明转变为全面生产。2023年，业务/IT决策者将专注于更紧密的合作，以真正解决公司问题和需求。
Five9首席技术官Jonathan Rosenberg表示，ChatGPT将彻底改变联络中心，但不会改变你的想法。Rosenberg是SIP（会话发起协议）的共同作者，该协议用于IP语音（VOIP）通信。
“聊天机器人是ChatGPT的明显应用，但它们可能不会是第一个应用。为什么？首先，ChatGPT今天可以回答问题，但它不能采取行动。当一个用户联系一个品牌时，他们有时只是想得到答案，但通常他们还想做些什么。比如处理退货、注销账户或转移资金。这最终会成为可能吗？毫无疑问。但目前还不行。其次，当用于回答问题时，ChatGPT可以根据互联网上的知识来回答。但它无法获取非在线的知识。通常有时，客户咨询是关于他们在网上找不到的信息，这就是他们打电话的原因。最后，ChatGPT擅长生成文本，从现有在线信息中创建新内容。当用户接触一个品牌时，他们不想要创造性的输出，他们想要立即行动。所有这些都将得到解决，但这确实意味着第一个用例可能不是聊天机器人！”
缺乏高质量的标记数据阻碍了人工智能的发展。但Evinced首席科学家Yossi Synett表示，新的训练技术有望推动进步。
Synett说：“我们在寻找方法，通过自我监督学习对模型进行预训练，然后根据特定任务对模型进行微调。这方面最好、最有效的例子是NLP（自然语言处理），其中的技术称为掩蔽语言建模（使模型预测句子中的隐藏单词）和因果语言建模（让模型预测句子的下一个单词）。完全改变了游戏。由于自我监督学习不需要标记数据，而微调需要的标记数据要少得多，这使得训练复杂模型变得更加容易。补充这一点的是可以用于更好地选择标签示例的新技术，这进一步减少了利用人工智能的成本障碍。”
Cognigy的业务发展和战略高级副总裁Hardy Myers表示，得益于大型语言模型，我们正在进入一个新的客户服务时代。
“大型语言模型使对话型人工智能能够实时创建答案，从而提高参与度和敏捷度。作为一项成熟的技术，人工智能不仅能够理解客户的需求，而且能够实时定制响应和见解。对话式人工智能将超越知识管理，转向代理人授权，缓解疲惫的员工，提高客户满意度。通过自动化日常任务，对话式人工人工智能将解放所有行业的代理人，让他们从事更具吸引力和更复杂的客户服务任务。这不仅会提高解决方案得分，提高客户忠诚度，而且会提高代理人的工作满意度。”
InMoment旗下Lexalytics负责人Jeff Catlin表示，2023年，人工智能将最终获得投资回报。
“技术支出的放缓将以两种方式表现在人工智能和机器学习上：主要的新人工智能方法和突破将放缓，而人工智能创新将走向‘产品化’。我们将看到人工智能变得更快、更便宜，这是因为创新进入了使深度学习应用成本更低的技术，并通过DistilBERT等模型实现了更快的应用，在这种模型中，精度降低了一点，但对GPU的需求减少了。”
ChatGPT, LLM, 人工智能
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！
