AI魔法学院客服
AI大模型LLM可以帮助企业做什么?
“ AI大模型为企业带来三大价值:一是提升效率。通过语音交互、图像处理等技术,辅助企业内部运营。二是创造增长。基于用户需求,开发新产品新业务。如广告、电商等。三是赋能决策。分析大量数据,给出洞察和建议,帮助企业决策。AI是新基建和新动能,明确目标用户和业务场景,释放AI的潜力,助力企业转型升级。”
 2023-11-20
收藏 复制地址分享海报

 AI大模型为企业带来三大价值:一是提升效率。通过语音交互、图像处理等技术,辅助企业内部运营。二是创造增长。基于用户需求,开发新产品新业务。如广告、电商等。三是赋能决策。分析大量数据,给出洞察和建议,帮助企业决策。AI是新基建和新动能,明确目标用户和业务场景,释放AI的潜力,助力企业转型升级。

01

兴起

最近,一位朋友向我提出了一个问题:AI人工智能(即ChatGPT)究竟能为企业做些什么呢

这个问题一下子让我陷入了沉思。毕竟,自从ChatGPT,这个大模型LLM的领军模型惊艳亮相以来,我感觉它几乎可以应付一切。仔细回想,发现很多大厂、企业、个人已经开发出各种基于大模型的应用,但仍有许多企业和个人对于AI大模型如何能够助益他们,还感到困惑不解。

以史为鉴,第一次工业革命的推动力是蒸汽机,当蒸汽机逐渐演进为内燃机并开始广泛应用时,第二次工业革命的创新者——电能及其相关设备正处于初创阶段。而在电力设备逐渐演进为微电子技术时,各种燃油引擎仍在不断改进和推广中。

从这个规律来看,尽管大型语言模型(LLM)现在占据了AI领域的中心舞台,吸引了所有人的关注,但这并不意味着在LLM出现之前AI毫无发展。

在大模型出现之前,AI人工智能已经应用在各行各业中。有以决策为特长的老一代机器学习应用,也有以及侧重感知能力的“传统”深度学习应用。

例如,谷歌、百度、网易等大厂的“翻译”网站,已经广泛应用到高铁进出站的“人脸识别”都是深度学习的典型应用。

任何一个技术革新,都会经历一个“三部曲”般的规律——兴起、发展和大规模应用,以及在这个过程中一次次演进式的迭代。

2018 Google 的研究团队开创性地提出了预训练语言模型 BERT,该模型在诸多自然语言处理任务中展现了卓越的性能。但它并没有改变每个模型只能解决特定问题的基本模式。

2020 年,OpenAI Google 研究团队提出的技术架构Transformer 和多头注意力机制的基础上,推出了 GPT-3 模型,其在文本生成任务上的能力令人印象深刻,并在少数样本(Few-shot)的自然语言处理任务上取得了优秀的成绩。

2022 11 月,ChatGPT 的问世展示了大语言模型的强大潜能,并迅速引起了广泛关注。它不仅可以进行日常对话,还能够完成许多复杂的任务:如撰写文章、回答问题等。

与以往的每个领域有一个特定模型解决任务不同,所有这些任务都由一个模型完成。在许多任务上,ChatGPT 的性能甚至超过了针对单一任务进行训练的有监督算法。

大规模语言模型(Large Language ModelsLLM)是一种令人惊叹的技术,它由深度神经网络构建而成,拥有数百亿以上的参数。这些模型采用了自监督学习方法,通过大量无标注文本进行训练。

2018年以来,诸如GoogleOpenAIMeta、百度和华为等公司以及研究机构相继发布了一系列LLM,其中包括BERTGPT等,这些模型在几乎所有自然语言处理任务中都表现卓越。

2019年,大模型经历了爆炸式的增长,尤其是在202211月,ChatGPTChat Generative Pre-trained Transformer)的发布引发了全球广泛的热议。这一模型使用户能够通过自然语言与系统进行互动,实现了各种任务,包括问答、分类、摘要、翻译和聊天等。大型语言模型展示了对世界知识的强大掌握能力,以及对语言的深刻理解。这正是为什么大模型如此引人注目,引起了全世界范围内的兴趣和探讨。

02

发展

人工智能就是一个新的、不断进化的基础设施,可以让你以更好的方式解决新类别的问题或解决旧类别的问题。

它是一种通用技术,意味着它不仅对一件事有用,而是对许多不同的应用有用。它不是一件事,而是很多事情。它是新时代的“电”,可以应用在各行各业。

出现这样一种新的智能系统之后,未来大家都能很便利地、低成本地地获得智力,就像电力革命一样。

“所有产品都值得用AI重做一遍。”

AI大模型的出现是一个划时代的里程碑,人类将进入到一个全新的智能化时代,就像工业革命一样,大模型将会被各行各业广泛应用,带来生产力的巨大提升,并深刻改变我们的生活方式。” ——阿里张勇

在思考AI可以为企业做什么的时候,我们来看一看,大模型 ChatGPT 出现后,都出现了哪些新产品,以及哪些原有的产品有了大模型的加持。

新产品

下面两张产品榜单图来自过往发布的两份AI产品榜单:

8月国内前10

IMG_257

8月出海产品前10

IMG_258

AI 产品榜 · 国内 100 强和出海 20 强(2023年08月)

上面这份榜单上图像视频类人工智能生成的产品,在国内和出海的榜单上占据了绝大多数:占据国内前105个名额,出海10个中7个。

根据6月份LikeWeb流量的产品排行榜:

IMG_259

国外报告90%的AI类产品公司已经实现盈利,而国内大模型和AIGC的访谈说太卷了

2 character,角色扮演AI,按照你的想法,根据电影、小说、游戏、或者你现实生活中身边的人为原型创建一个虚拟的角色,然后开始跟它聊天。

4Poe,国外版知乎Quora推出的AI客户端,最早集成了几家LLMChatGPTBardClaude)聊天对话在一个界面上。

6 PhotoRoom,增加了AI功能的移除图片背景等图片编辑类产品。

8 Midjourney 36 Stable diffusion 都是图像生成AI。而第7 civitai ,也是有名的C站,存放和分享SD开源模型的平台。

9 Hugging Face,一个NLP模型、工具和平台。一个大模型版本的云计算平台,使得开发者用大模型发布应用更简单。

20 theb.aiGPT客户端。

28 ChatPDF ,帮助用户快速了解和总结一份PDF文档,基于ChatGPT的工具类产品。

后面国外根据LikeWeb流量榜单的产品类型则丰富得多。说明在国内,大型模型的应用仍处于初级阶段,主要产品集中在聊天机器人和图像视频生成领域。而在国外,这些应用已经迅速落地,进入了许多细分领域。

大模型加持

最早将大模型应用到自家产品的是微软(ChatGPT 背后的投资者),将ChatGPT 应用在 Bing 搜索引擎之中。

随后谷歌将大模型引入了自家的互联网广告,广告收入占谷歌总收入的77%,作为先进生产力代表的AI大模型,其率先在广告业务开花结果。

谷歌将大模型渗透到了广告业务的方方面面:

1.对话式AI中插入广告Bard是谷歌的大模型C端产品,在对话中插入了与对话相关的产品广告,即将大模型产品本身作为广告流量的来源。

核心原因在于对话式AI产品中的广告业务天然可以形成数据飞轮:AI可以根据用户用自然语言的输入来匹配更准确的广告,用户就能得到更好的商业解决方案(即广告),如此往复,不断滚雪球。

2.实时的广告词生成。使用大模型的内容生成能力,针对用户的搜索关键词针对性地实时生成广告文案,每个用户看到的是实时生成的个性化广告。

和今天业界已有的个性化广告不同,它的广告创意不再是广告主现成的有限集合,而是真正对每个用户需求实时一对一生成的。

3.广告落地页的再创造。广告主只需要填写广告落地页的地址,大模型就可以瞬间读取网页内容,并根据网页内容生成不同的广告创意供广告主投放。

4.商品图片生成。电商用户只需要上传一张简单的商品图片,谷歌的AI算法可以根据不同场景生成不同角度、不同背景和不同规格的多张产品图,还可以将原本相对模糊的图片清晰化。

同样将大模型的能力直接集成到自家产品的,还有微软的 Office 家族,国内金山公司的WPS Office 家族(覆盖了文档分析、大纲写作、PPT制作、翻译等各类办公需求),阿里的钉钉,百度的百度文档,字节跳动的剪映(字节也推出了自己的聊天机器人:豆包)等等。

百度文档的AI助理功能

IMG_260

AI实战:钉钉 AI 的魔法棒,“小二” 帮你打工

WPS Office AI实战:移动办公全新创作体验

中国AI软件出海第一名,竟然是这个团队

这些产品有了大模型的助力后,增强了原有功能,提供给用户更多的选择,丰富了用户使用体验,增强了用户的粘性。

除了这类在自家产品增加智能助手的企业做法,很多国内头部的内容网站也都上线了AI助手的功能。

内容平台拥抱的是AI的创作能力,目的是激发站内内容生产活力,填充内容池。

中长视频为主的B站推出了“AI视频小助理”“AI课代表呀”等AI账号试水,用户只要在评论区@AI视频小助理、有趣的程序员这类AI工具账号,并下达“总结”、“高能空降”等指令,AI账号就可以根据时间轴,逐条梳理出视频核心要点。

虎扑则推出了AI伴侣,目的还原球星的个性与风格,与用户互动,更可以自由设置AI机器人的长相、性格、声音。

快手在915日开启内测的AI文生图功能“AI玩评”,用户输入指令就可以在评论区快速生成梗图。另一款创作工具“快影”,则是基于AI算法将用户照片一键转化为油画风、水彩风、动漫风等多种风格化效果图片。

抖音推出的“AI绘画”滤镜特效,以裂变传播的短视频拓宽了用户对AI绘画的认知。

AI的兴起,使得内容平台可以探索一个个全新的留存用户工具。

电商平台则采用了AI对话的形式来帮助用户更快的找到合适的商品。

淘宝问问链入了阿里云“通义千问”大模型,推出了“资深导购员”“生活小能手”“美食达人”“旅行策划人”“灵魂写手”五个功能,这五个功能对应的就是用户消费生活的多个场景。在淘宝站内,这些功能也直接和消费链路直接绑定在一起。

百度电商的AI导流入口也隐藏在百度的搜索框中,用户只要在百度搜索商品,AI算法便将站内创作者的相关测评、种草内容以及商品链接全部汇总至百度页面上。

一站式旅行平台携程也将AI技术与旅行这一场景进行融合,基于携程在出行场景的数据沉淀,打造了深耕旅行场景的AI应用——携程问道。

人工智能大佬吴恩达分享过几个AI应用的场景:

给定船舶正在采取或考虑采取的航线,我们可以标记它将消耗多少燃料,并利用这一点使船舶更加节能。

在工厂的自动视觉检测方面:拍一张刚刚制造的智能手机的照片,并标记是否有划痕或其他缺陷。

建立一个餐厅评论声誉监测系统,查看在线餐厅评论,并将其标记为积极或消极情感,用来帮助餐厅改善服务。

对于自动驾驶汽车,给定汽车的传感器读数,标记其他车辆的位置。

作为国内顶级大厂,华为的发力方向是做垂直类的大模型。

华为盘古大模型,根据公开的信息报道,已在金融、金融、制造、医药研发、煤矿、铁路等诸多行业发挥着巨大价值:

1.煤矿领域:在全国8个矿井规模使用,覆盖煤矿的采、掘、机、运、通、洗选等业务流程的1000多个细分场景,提升了煤矿工人的工作条件,同时减少了安全事故。

2.铁路领域:高效地识别现网运行的67种货车、430多种故障,无故障图片筛除率高达95%。减轻了货运列检员的工作负担,提高了检测效率。

3.气象领域:首个能够超越传统数值预报方法的AI预测模型,提高了预测精度和速度。预测一个台风未来10天的路径,基于预训练的盘古气象大模型,只需单台服务器上单卡配置,10秒内就可以获得比原来3000台服务器的高性能计算机集群上花费5小时仿真更精确的预测结果。

4.金融领域:为银行提供了智能助手,将原来需要平均5次的操作降低为1次,办结时间缩短5分钟以上。

5.制造领域1分钟即可做出未来3天的生产计划,过去则要花费3个小时以上才能做齐1天的生产计划。

6.药物研发领域:协助研究团队发现新药靶点,将先导药物研发周期缩短至1个月、研发成本降低70%

还有更多的行业和企业,也在探索跟大模型结合的业务场景。

03

思考

曾经和农业方面的朋友交流过,如何利用大模型在数据分析和决策方面的支持和技术上的优势,帮助农业智能化应用:

土壤分析和施肥建议:处理已有土地数据。例如:土壤质地、pH值、水分含量等,以生成施肥建议。模型可以考虑不同植物品种的需求,推荐最优化的施肥方案,以提高产量和减少资源浪费。

农业病虫害识别:帮助识别土壤和作物上的病虫害,通过图像识别或描述性信息,以及提供相关的治疗建议。有助于减少农作物损失和农药的不必要使用。

气象数据分析:根据各地区的历史天气数据,处理气象资料,提供农业生产的天气预测和建议。有助于农民更好地计划种植季节和农业活动。

作物管理和优化:基于历史数据和当前情况,提供作物生长和管理的建议。可能包括且不限于种植时间、间距、灌溉频率和采收时间等方面的建议。

市场分析和销售建议:可以分析市场趋势和需求,帮助做出更明智的销售决策,以获取更好的价格和市场份额。农作物一般以年为单位种植和收获,更好的决策后,可以一定程度上避免种植的风险。

农业教育和培训:用于培训新农民或提供有关最佳农业实践的信息,以提高农业生产效率和可持续性。

开发人员通常是新技术的早期采用者。对 2023 5 月、6 月的 ChatGPT 提示进行分析发现,30% ChatGPT 提示与编程相关。其次,最大的大模型接受过包含大量代码的数据集(例如互联网)的训练,这使得大模型特别擅长响应与编程相关的查询。

从技术角度来说,目前还只是大模型时代的初级阶段。现在是用大数据训练模型把推理能力训练出来了,后续我们需要更多可落地的产品,应用在各个方面的生活工作场景。

今天的大模型还有巨大提升空间,并且还在不断提升,例如多模态;同时另一方面大模型的本身的表现却还不能保持足够稳定,例如幻觉,这个时候理解技术的边界,合理的设定目标和要解决的问题,是很有必要的。

如何在大模型还在发展阶段,规划AI产品的开发原则?

以开源模型当 L0 底座,在这之上,做 L1 语言模型、L2 行业模型、L3 场景模型。跟客户通过 AI Agents(代理)来互动得到反馈,模型一点点迭代。将来更好的开源模型出现,在它的基础上再重新训练或继续迭代。

在知道大模型的能力范围,目前的模型和各类AI应用发展情况后,如何考虑AI帮助企业做什么?应该问三个问题,并考虑清楚问题的答案。

用户是谁?他们的问题是什么?能做些什么来帮助他们?确定人工智能是否确实是解决用户问题的有用基础设施。

定义清楚要解决谁的什么问题,定义越清晰,能力越到位,做的东西就能真正「收敛」,真正有商业「穿透力」。

企业的本质在于数据以及流程。

大企业降本增效,小企业引流工具。

小企业并不关心技术和愿景,谁能帮它们解决增长问题,就会因此付钱。

大企业的数据化,智能化,最主要的目的就是要降本增效。但效率优化空间总有尽头,可是增长和发展的空间,却相对无限。企业服务里开源远比节流重要,用户永远愿意为了发展而付费。

企业内部要引入人工智能,获得AI的助力,也可以遵循上面同样的思考原则,要么降本增效,要么获得增长。

人工智能与专业领域的合作往往会带来新的机会,新的方向。知识数据库与基础模型一样至关重要。个人和企业记录并组织他们的数据,包括过程和结果数据,将在人工智能驱动的世界中获得更大的竞争优势。可以利用这些记录的私有数据供算法使用,创造独特的内容,并做出更加高效的决策。

例如,出现了很多搭建企业专有知识库的开源项目,还有和知识图谱结合的探索等等。

推荐三个搭建专有知识库+大模型智能助手开源项目

教程|使用免费GPU 资源搭建专属知识库 ChatGLM2-6B + LangChain

04

尾声

在人工智能领域的初创公司,如果目标明确,那么AI项目的实施通常会相对顺利。然而,对于那些原本不涉足AI领域的公司,要想推进AI项目,可能会面临多种实际问题:

认知不足: 在身边,可能缺乏对AI技术的深刻理解,团队中只有少数人或者甚至只有你自己对AI有一些了解。

需求不明确: 公司可能缺乏足够的业务需求和反馈,这使得难以发现适合AI与业务结合的场景。

支持不足: 尽管高层领导有AI的构想,但作为执行者,由于前述原因,可能难以获得更多支持和资源。

在面对这些挑战时,关键是建立一支具备AI知识的团队,积极寻找并明确业务需求,做出必用场景,爆款场景,以及有意推动大家去使用,与管理层进行有效的沟通,以确保AI项目的顺利推进。

这部分则涉及到跨领域问题,比如项目管理和推进策略,这需要专门的讨论,不在此占用篇幅。

出自:https://mp.weixin.qq.com/s/2ssiUJn5WKpgAYJCJVUslA

本文档由网友提供,仅限参考学习,如有不妥或产生版权问题,请联系我们及时删除。 客服请加微信:skillupvip
评论
2 评论
鲜奶千层雪2023/11/20 10:49:36
我认为,文章对于AI大模型的应用场景和潜力做了充分的阐述,但可能忽略了一些潜在的风险和挑战。例如,AI大模型的部署和应用可能涉及到数据隐私和安全问题,以及如何确保模型的准确性和可靠性。此外,对于一些传统企业来说,如何将AI大模型与现有的业务流程和技术栈相融合也是一个挑战。因此,企业在引入AI大模型时,需要全面评估其潜在的风险和挑战,并制定相应的应对策略。
国产大宝贝2023/11/20 10:48:22
这篇文章对AI大模型的应用和潜力做了很好的概述,但我认为它有些过于乐观地看待大模型的发展。虽然大模型具有很多潜力,但目前市场上还没有完全成熟的产品和应用场景来充分释放这种潜力。此外,大模型的应用也需要更多的数据和算力支持,对于一些中小企业来说,可能难以承受这种成本。因此,我们需要更加理性地看待大模型的发展,探索更加实际的应用场景和商业模式。