2023年，人工智能（AI）工具开始真正进入企业界。尤其是生成式AI，似乎能够满足各种可能的业务需求。

　　虽然生成式AI已经存在了一段时间，但最大的变化是在大规模大型语言模型（LLM）的训练中，正是这些工具可能会颠覆大多数行业。

　　事实证明，生成式AI也被证明是网络安全和日常任务自动化的强大工具。它快速见效，例如帮助创建模拟更难获取的真实数据的合成数据。为了训练和测试机器学习，专家现在可以创建更大、更多样化的数据集。

　　挖掘工业领域新价值

　　但在工业领域，情况就不同了——要创造持久价值，制造企业就不能急功近利。就其本身而言，生成式AI可能无法引发人们所期待的那种即将到来的革命。

　　为了实现持久的变革，制造企业需要能够将LLM“大脑”与最新的工业数据以及其他适用的AI（如神经网络和监控代理）融合在一起，重新定义工业行业特有的新价值领域。

　　只有将这些先进技术结合起来，一线的人工智能才能从基于任务的应用转变为目标驱动型应用。

　　最终，我们将看到不同形式的AI推动工业朝着提高工业效率和可持续性的方向发展。例如，AI任务可以是使用合法、合乎道德和安全的方法最大限度地减少工业温室气体排放。该技术将通过识别性能不佳的资产、协调维护和加强运营控制来优化燃料利用和减少有害气体排放，从而实现这一目标。

　　当然，人类需要密切监督初始阶段，然后AI才能完成繁重的工作并支持向完全自主的转变。这只是AI如何在工业中发挥越来越重要的作用，彻底改变运营并促进可持续发展的一个例子。

生成式AI需要与最新的工业数据和目的驱动型AI相结合，以实现持久价值、

重塑运营、提高效率和促进可持续发展。图片来源：AVEVA

　　生成式AI的四大挑战

　　负责任的实施对于实现这些目标仍然至关重要，企业需要解决有关法律和道德因素、成本以及安全和网络安全风险的问题。这些挑战包括：

　　AI幻觉（Hallucinations）: 是指经由大模型生成的内容，表面上看合理、有逻辑，但实际上却存在错误的内容或陈述。目前，这些生成式预训练转换器 (GPT)模型正在改进，正确的提示可以引发更有用的响应。此外，通过将 GPT模型与最新的工业数据相结合，错误答案大大减少，在工业环境中的结果将显著改善。

　　安全：当机密数据被发送到用于一般训练的LLM时，可能会受到损害。在某种程度上，这些担忧与最初对将企业数据置于云中的担忧相当——而这现在是受适当安全协议约束的常见做法。此外，0penAl等供应商已经在努力避免滥用。同样，Microsoft最新的Copilot旨在更好地保护用户和个人数据，同时利用现有的Microsoft 安全性、合规性和隐私解决方案。

　　成本影响：生成模型的计算成本很高，训练更大、更复杂的模型需要大量的计算资源。为了抵消这笔支出，重要的是要开发确保可靠性和一致性的模型，特别是因为它们可以更快地创建并开始与自学习系统合并。

　　偏见或歧视性语言、错误信息、恶意和虚假信息以及隐私和数据安全：目前，研究人员和政策制定者正在探索减轻这些风险的方法，例如开发检测和消除偏见的方法，提高生成式AI使用的透明度和问责制，以及实施适当的法律和监管框架。企业必须制定一个强有力的模型，并就透明度和问责制的明确指导方针达成一致，以减轻对内容有效性或使用合成数据的担忧。

　　有效实施生成式AI的建议

　　对于那些已经开始使用生成式AI的工业企业来说，有几种有效实施的最佳做法。首先是知识。我们建议企业保持对生成式AI社区的了解和参与，确保通过研究论文、会议、论坛和行业出版物了解最新进展。

　　同样，定制也是必不可少的。考虑定义相关的用例，这些用例可以阐明组织的需求、挑战和增加价值的机会。透彻的分析可以帮助确定生成式AI可以产生最大影响的领域，并与您的业务和可持续发展目标保持一致。

　　越来越多的软件供应商正在将生成式AI和LLM集成到他们的产品中。通过这种方式，组织可以获得快速、开箱即用的生成式 AI 解决方案，这些解决方案不仅能满足使用要求，还能根据需要进行扩展。

　　最有用的解决方案是将 LLM与神经网络和监控代理等其他AI技术提供的最新数据相结合，以确保数据依赖关系保持最新并符合实际情况，从而实现最大的实际价值。

　　最后，建立道德框架，指导员工负责任地使用生成式AI，遵守相关法规和标准，优先考虑用户隐私和数据保护。

　　转向通用人工智能

　　生成式AI和相关领域将继续快速发展。与此同时，人们将越来越重视解决伦理问题，努力减少偏见，确保公平，并将指导方针纳入生成模型的设计、训练和部署中。

　　这种演变可能会分阶段发生，即使在完全自主操作司空见惯的情况下，人类仍然是监督和战略角色的核心。

　　我们正在迅速从狭隘AI转向通用AI，软件的能力将变得更加像人类。随着这一趋势的持续，AI将变得更加以目标为导向，利用其掌握的一切来实现其目标。我们必须尽一切努力确保AI被用于造福人类和改善人类生活，例如被指示减少工业设施的温室气体排放。与此同时，法规和护栏对于继续维持人类及其与AI的共存至关重要。

　　企业领导者已经面临着许多需要关注的挑战。生成式AI与工业数据和其他先进数字技术相结合，将有助于提供所需的解决方案。同时，重要的是要对潜在风险保持警惕，重新评估我们的核心业务流程，并考虑如何为员工提供这个新时代所需的技能和能力。