2024年大數(shù)據(jù)行業(yè)預(yù)測（三）

2024年大數(shù)據(jù)行業(yè)預(yù)測（三）

深度學(xué)習(xí)

深度偽造危險(xiǎn)：2024年將出現(xiàn)一系列消費(fèi)者應(yīng)警惕的深度偽造危險(xiǎn)，尤其是在虛擬客戶服務(wù)環(huán)境中。身份和驗(yàn)證(ID&V)是大多數(shù)行業(yè)的標(biāo)準(zhǔn)做法，在這些行業(yè)中建立了客戶身份和交易權(quán)。然而，如果客戶生成虛假圖像，暗示某企業(yè)的產(chǎn)品被用來犯罪，深度偽造就有可能克服生物識別驗(yàn)證和身份驗(yàn)證方法，從而使身份盜竊變得更加容易。而這僅僅是個(gè)開始。深度偽造技術(shù)還處于起步階段，只會變得更好、更狡猾。幸運(yùn)的是，更多的預(yù)測信號可以用來檢測潛在的欺詐行為，因?yàn)樯矸荼槐I可能意味著不良行為者可以通過身份和信息來獲取欺詐信息。技術(shù)正在不斷發(fā)展以解決這些問題，毫無疑問，今年我們將會看到重大的技術(shù)創(chuàng)新。–Brett Weigl，Genesys副總裁兼總經(jīng)理

生成式人工智能

生成式人工智能將轉(zhuǎn)向現(xiàn)代數(shù)據(jù)管理。從歷史上看，數(shù)據(jù)管理有點(diǎn)像黑匣子，需要高技術(shù)技能才能有效地制定策略和管理數(shù)據(jù)。在LLM的幫助下，現(xiàn)代數(shù)據(jù)管理將改變其框架，允許用戶以完全受控和合規(guī)的方式參與整個(gè)數(shù)據(jù)堆棧。–Vasu Sattenapalli，RightData首席執(zhí)行官

人工智能將達(dá)到“生產(chǎn)力平臺”：2023年，隨著ChatGPT的發(fā)布，我們目睹了過高的期望和數(shù)十億美元涌入人工智能初創(chuàng)企業(yè)。到2024年，我們將開始看到更多的生成式人工智能法案2.0.，企業(yè)不僅要構(gòu)建一個(gè)基礎(chǔ)模型，還要構(gòu)建一個(gè)整體的產(chǎn)品解決方案，重新構(gòu)想工作流程。我們將看到市場從“每個(gè)人都可以做任何事”的喧囂轉(zhuǎn)變?yōu)樯贁?shù)獲得GenAI的企業(yè)提供真正的價(jià)值。–Tim Shi，Cresta聯(lián)合創(chuàng)始人兼首席技術(shù)官

從基于基礎(chǔ)設(shè)施的新一代人工智能到本地新一代人工智能將會迅速轉(zhuǎn)變，因?yàn)槟壳斑@還不太可能。一般的初創(chuàng)企業(yè)沒有數(shù)千美元可以投入到云提供商身上，而且事實(shí)證明幾乎不可能自己運(yùn)營，但隨著圍繞本地生成人工智能的創(chuàng)新，這種情況正在迅速改變。通過本地化，將擁有一個(gè)完整的RAG堆棧，并由訪問控制控制。如此，便不會以任何方式暴露專有數(shù)據(jù)。當(dāng)我們從集中式、基于API的LLM轉(zhuǎn)向本地LLM時(shí)，這將會很快發(fā)生。那些行之有效的方案，也將會快速被采用。切記留意去中心化的LLM的缺點(diǎn)，因?yàn)槠湟肓搜h(huán)中不良行為者的概念。–Patrick McFadin，DataStax副總裁

大型語言模型將于2024年商品化：當(dāng)今的企業(yè)正在展開一場激烈的競賽，以構(gòu)建自己獨(dú)特的大型語言模型(LLM)，例如OpenAI的GPT-4或Meta的LLaMA。然而，我預(yù)測這些模型將在2024年商品化。差異將取決于LLM中輸入的數(shù)據(jù)，及其目的是什么。這與有線電視和流媒體領(lǐng)域發(fā)生的情況類似，每月的有線電視賬單變成了許多不同的流媒體訂閱。我們看到了類似的人工智能模型“拆分”，許多新企業(yè)成立，每個(gè)企業(yè)都有自己的差異化模型。未來，這些人工智能模型可能會聚合成一種單一的技術(shù)，而數(shù)據(jù)則是唯一的區(qū)別。–Spencer Thompson，Prelude Security聯(lián)合創(chuàng)始人兼首席執(zhí)行官

到2024年，生成式人工智能將產(chǎn)生的一個(gè)重要影響是，讓人們能夠在沒有恐懼或?qū)擂蔚那闆r下討論其財(cái)務(wù)擔(dān)憂或困難。對于某些人來說，在尋求有關(guān)財(cái)務(wù)問題的建議時(shí)，與聊天機(jī)器人交談比與真人交談更容易。通過提供保密和非評判性的方式來獲取財(cái)務(wù)建議和支持，人工智能將創(chuàng)造一個(gè)更具財(cái)務(wù)包容性的未來，每個(gè)人都可以獲得所需的財(cái)務(wù)建議和支持，無論其背景或情況如何。–David Dowhan，SavvyMoney首席運(yùn)營官

隨著生成式人工智能變得更加主流，潛在的生產(chǎn)力提升將使這些組織受益匪淺。我們將看到技術(shù)領(lǐng)導(dǎo)者在培訓(xùn)、創(chuàng)新中心設(shè)立和采用新的開發(fā)平臺方面投入更多資金，以最大限度地提高技術(shù)團(tuán)隊(duì)交付的價(jià)值。技術(shù)領(lǐng)導(dǎo)者需要采取雙管齊下的方法，為數(shù)據(jù)實(shí)驗(yàn)提供創(chuàng)意游樂場，同時(shí)應(yīng)用人工智能服務(wù)來加速取得成果。所有這些都需要管理創(chuàng)新創(chuàng)造，并減輕與公共人工智能模型相關(guān)的風(fēng)險(xiǎn)。–Miguel Lopes，OutSystems副總裁

ChatGPT引發(fā)的人工智能革命已經(jīng)過去一年了，我們是否會很快被GenAI的戲劇性成功故事所包圍，還是會看到迄今為止技術(shù)以最快的速度陷入幻滅的低谷？兩者都有！精通人工智能的企業(yè)已經(jīng)在增強(qiáng)其最有價(jià)值的員工，并偶爾將其自動化。隨著清晰、可重復(fù)的GenAI用例的成熟，以及對MLOps和LLMOps的投資取得成果，這一趨勢將獲得動力。與此同時(shí)，大多數(shù)PoC都被民主化、外包GenAI的海市蜃樓所迷惑，一頭扎進(jìn)了生產(chǎn)級GenAI應(yīng)用運(yùn)營的現(xiàn)實(shí)，導(dǎo)致了普遍的幻滅。事實(shí)證明，關(guān)于AI的人類智能是GenAI成功的最重要因素，而“通用預(yù)訓(xùn)練Transformer模型”在專門針對特定用例和垂直領(lǐng)域時(shí)更有價(jià)值。–Kjell Carlsson博士，Domino Data Lab人工智能戰(zhàn)略主管

LLM將幫助生成式人工智能進(jìn)行更多推理，減少幻覺：AI正在超越ChatGPT的大型語言模型(LLM)文本世界，以及大型多模態(tài)模型(LMM)的中途景觀，這些系統(tǒng)可以跨領(lǐng)域進(jìn)行推理不同的媒體類型。這開辟了新類型的應(yīng)用和可能性，例如基于圖像的庫存或小型企業(yè)的虛擬產(chǎn)品支持助理，并可能有助于將未來的人工智能系統(tǒng)建立在更真實(shí)的示例上，從而減輕幻覺的可能性。我們預(yù)計(jì)未來12個(gè)月會有更多應(yīng)用，隨著生成式人工智能通過聲音、視覺和其他感官進(jìn)行學(xué)習(xí)，不久的將來可能會帶來能夠區(qū)分現(xiàn)實(shí)和虛構(gòu)的人工智能系統(tǒng)。–Ashok Srivastava，Intuit高級副總裁兼首席數(shù)據(jù)官

分析的商品化：自然語言處理(NLP)在提高用戶對分析的采用方面發(fā)揮了重要作用。現(xiàn)在，NLP和大型語言模型(LLM)的正確組合，將有助于進(jìn)一步實(shí)現(xiàn)分析的商品化。LLM有助于幫助用戶在分析軟件中執(zhí)行復(fù)雜的計(jì)算。分析供應(yīng)商將把這些功能整合到分析軟件中，而不依賴LLM來填補(bǔ)空白，并減輕LLM帶來的隱私問題。–Rakesh Jayaprakash，ManageEngine運(yùn)營經(jīng)理

2024年，重點(diǎn)將放在轉(zhuǎn)型模式上，并提高針對特定市場需求的專業(yè)化程度。像ChatGPT這樣的大型語言模型將演變成新一代，變得更加專門針對特定用例。人工智能內(nèi)容在視覺應(yīng)用中的使用將大幅增加，例如廣告和新聞文章，這些內(nèi)容由改進(jìn)的生成式人工智能模型生成。此外，目前人工智能領(lǐng)域的種族偏見可能會減少。現(xiàn)在，如果向AI模型搜索一張男性照片，顯示的照片中90%都是白人。人工智能模型必須更加反映世界才能繼續(xù)跟上。–Steve Harris，Mindtech首席執(zhí)行官

到2025年，ChatGPT將不再成為企業(yè)的主流技術(shù)：與大多數(shù)技術(shù)先行者一樣，隨著時(shí)間的推移，ChatGPT將變得越來越不重要。像Llama2這樣的本地LLM將成為企業(yè)人工智能的引擎。造成這種情況的原因有很多，但數(shù)據(jù)安全性和通過用行業(yè)特定內(nèi)容增強(qiáng)本地LLM來影響結(jié)果的能力，可能是推動這一變化的兩個(gè)因素。–Jeff Catlin，InMoment副總裁

新一代人工智能將改變銷售代表的角色：隨著B2B公司專注于增加每位銷售代表的收入，其將尋求通過人工智能為每位銷售代表配備虛擬助手。為了高效增長，其需要在銷售和上市技術(shù)堆棧中嚴(yán)重依賴GenAI功能。根據(jù)Forrester Research的數(shù)據(jù)，通過自動化圍繞潛在客戶研究、客戶研究和參與渠道的某些任務(wù)，銷售代表平均可以多花50%的時(shí)間來創(chuàng)造性地解決問題和采取富有成效的行動。–Henry Schuck，ZoomInfo首席執(zhí)行官

人工智能冷水?。焊鶕?jù)CCS Insight的最新數(shù)據(jù)，2024年將是生成式人工智能面臨“冷水浴”警鐘的一年。企業(yè)被人工智能的過度炒作所吸引，制定了生產(chǎn)率和轉(zhuǎn)型方面充滿希望的長期目標(biāo)。由于這些盲目性，許多人忽視了采用和部署Gen AI所涉及的成本、風(fēng)險(xiǎn)和復(fù)雜性負(fù)擔(dān)。而且情況只會變得更糟！現(xiàn)在我們被告知，到2027年，人工智能所需的電力可能相當(dāng)于整個(gè)國家所需的電力。人工智能的前景是巨大的，但資源是一個(gè)問題。并非每個(gè)組織或政府都能負(fù)擔(dān)得起，也不是每個(gè)人都有資源將其嵌入到現(xiàn)有的系統(tǒng)和流程中。世界仍處于制定人工智能法規(guī)的早期階段，缺乏設(shè)定的邊界和安全網(wǎng)可能會使許多行業(yè)面臨風(fēng)險(xiǎn)。在人工智能方面，我們已經(jīng)經(jīng)歷了一段分裂的時(shí)期。事實(shí)上，人工智能的發(fā)展速度超出了許多人的預(yù)期，而且該技術(shù)需要不同的資源來運(yùn)行。為了防止明年陷入“冷水澡”，組織必須對如何推動未來人工智能進(jìn)行戰(zhàn)略投資，如投資光子學(xué)和數(shù)字孿生等技術(shù)，以解決資源不平等的根本問題。利用尖端技術(shù)的力量可以幫助建立一個(gè)更加智能的世界，在這個(gè)世界中，人們和社會可以利用各種類型的可訪問、互聯(lián)和有凝聚力的信息來優(yōu)化。–Tanvir Khan，NTT DATA首席數(shù)字和戰(zhàn)略官

數(shù)據(jù)中毒：生成式AI的最新威脅：也許沒有什么比ChatGPT更能說明機(jī)器學(xué)習(xí)和人工智能的快速主流化了。但隨著算法成為日常生活的主要內(nèi)容，其也代表了新的攻擊面。這種類型的攻擊被稱為數(shù)據(jù)中毒。隨著不良行為者獲得更強(qiáng)大的計(jì)算能力和新工具，這種攻擊變得越來越頻繁。展望2024年，考慮到新機(jī)器學(xué)習(xí)和人工智能工具的普及和采用，企業(yè)預(yù)計(jì)會看到數(shù)據(jù)中毒攻擊的增加，其中包括可用性攻擊、后門攻擊、定向攻擊和亞群體攻擊。不幸的現(xiàn)實(shí)是，數(shù)據(jù)中毒很難補(bǔ)救。唯一的解決方案是完全重新訓(xùn)練模型。但這既不簡單也不便宜。隨著組織將人工智能和機(jī)器學(xué)習(xí)用于更廣泛的用例，了解和預(yù)防此類漏洞至關(guān)重要。雖然生成式人工智能有一長串有前途的用例，但只有我們將對手拒之門外并保護(hù)模型，其全部潛力才能發(fā)揮出來。–Audra Simons，F(xiàn)orcepoint Global Governments全球運(yùn)營高級總監(jiān)

GenAI將改變程序員的工作性質(zhì)以及未來程序員的學(xué)習(xí)方式。編寫源代碼將變得更容易、更快，但編程不是為了磨練代碼行，而是為了解決問題。GenAI將使程序員能夠花更多的時(shí)間來了解其需要解決的問題、管理復(fù)雜性并測試結(jié)果，從而開發(fā)出更好、更可靠、更易于使用的軟件。–Mike Loukides，O’Reilly Media副總裁

明確企業(yè)采用LLM的主要價(jià)值用例。雖然2023年是關(guān)于生成式人工智能的夢想，但2024年將是企業(yè)將其付諸實(shí)踐的一年。經(jīng)過一年的猜測，企業(yè)最終將明確應(yīng)用LLM來簡化其工作流程。到今年年底，將會出現(xiàn)一些人們能夠理解的、基于場景的有價(jià)值領(lǐng)域，讓我們擺脫“假設(shè)”的束縛，并揭示清晰的用例。–Quentin Clark,General Catalyst董事總經(jīng)理

生成式人工智能將繼續(xù)面臨組織審查：隨著生成式人工智能工具在2023年的快速增長，組織將在新的一年加強(qiáng)對人工智能工具對其員工和系統(tǒng)影響的審查。其中一個(gè)挑戰(zhàn)是持續(xù)存在的錯(cuò)誤信息和圍繞人工智能工具合法性的問題，包括暴露的源代碼和確定員工收到的結(jié)果合法性的能力。領(lǐng)導(dǎo)者需要建立驗(yàn)證和認(rèn)證信息的方法，同時(shí)定義明確的參數(shù)，以確定員工如何在組織內(nèi)使用人工智能工具。-Bret Settle,ThreatX首席戰(zhàn)略官

將GenAI從試點(diǎn)轉(zhuǎn)向生產(chǎn)：GenAI正在影響組織的投資決策。雖然早期的GenAI試點(diǎn)顯示出了希望，但由于實(shí)踐經(jīng)驗(yàn)有限且發(fā)展迅速，大多數(shù)組織對全面生產(chǎn)部署仍持謹(jǐn)慎態(tài)度。到2023年，大多數(shù)組織都會進(jìn)行小型、有針對性的試驗(yàn)，以仔細(xì)評估收益和風(fēng)險(xiǎn)。隨著GenAI技術(shù)的成熟并通過預(yù)訓(xùn)練模型、云計(jì)算和開源工具變得更加民主化，預(yù)算分配將在2024年更多地轉(zhuǎn)向GenAI。–Haoyuan Li，Alluxio創(chuàng)始人兼首席執(zhí)行官

生成式AI將釋放隱藏在非結(jié)構(gòu)化企業(yè)數(shù)據(jù)中的價(jià)值和風(fēng)險(xiǎn)：非結(jié)構(gòu)化數(shù)據(jù)，主要是內(nèi)部文檔存儲庫，將成為企業(yè)IT和數(shù)據(jù)治理團(tuán)隊(duì)迫切關(guān)注的焦點(diǎn)。迄今為止，這些內(nèi)容存儲庫幾乎沒有在操作系統(tǒng)和傳統(tǒng)預(yù)測模型中使用，因此它們已經(jīng)脫離了數(shù)據(jù)和治理團(tuán)隊(duì)的關(guān)注?；贕enAI的聊天機(jī)器人和經(jīng)過微調(diào)的基礎(chǔ)模型，將解鎖該數(shù)據(jù)的許多新應(yīng)用，但也將使治理變得至關(guān)重要。那些急于開發(fā)GenAI用例而沒有實(shí)施管理數(shù)據(jù)，和GenAI模型的必要流程和平臺的企業(yè)，將會發(fā)現(xiàn)其項(xiàng)目陷入PoC煉獄，甚至更糟。這些新要求將催生用于管理非結(jié)構(gòu)化數(shù)據(jù)源的專用工具和技術(shù)。–Nick Elprin，Domino Data Lab聯(lián)合創(chuàng)始人兼首席執(zhí)行官

OpenAI的戲劇性事件將在2024年繼續(xù)上演：Sam Altman解雇后又被重新聘用，這使得新聞周期充斥著各種八卦和熱門話題，我懷疑OpenAI的故事將繼續(xù)占據(jù)明年的頭條新聞。潛在的催化劑——獨(dú)特的非營利/營利性混合結(jié)構(gòu)、巨大的成本、人工智能的風(fēng)險(xiǎn)和承諾，并沒有改變，隨著這個(gè)領(lǐng)域的發(fā)展速度，這些力量有足夠的機(jī)會在明年一次又一次地達(dá)到高潮。–Paul Barba，InMoment首席科學(xué)家

隨著“生成式人工智能時(shí)代”進(jìn)入第二年，我們將開始看到企業(yè)對人工智能的使用有了更多目的和秩序：生成式人工智能的效應(yīng)在第二年仍然突出，在OpenAI和Google等企業(yè)隨之而來的創(chuàng)新的推動下，世界各地的組織將開始研究如何利用人工智能功能來實(shí)現(xiàn)其目的，而不僅僅是對“可能的藝術(shù)”感到驚訝。各類企業(yè)產(chǎn)品中的第一代AI能力，專注于低難度、不復(fù)雜的場景，比如各類副駕駛，將不再輕易讓每個(gè)第一次看到它們的人感到驚訝和眼花繚亂。其結(jié)果將是要求人工智能驅(qū)動的能力注重使用價(jià)值，并用于解決實(shí)際問題。–Leonid Belkind，Torq聯(lián)合創(chuàng)始人兼首席技術(shù)官

生成式人工智能的廣泛采用將推動對干凈數(shù)據(jù)的需求。生成式人工智能的基礎(chǔ)是數(shù)據(jù)。也就是說，為了實(shí)現(xiàn)預(yù)期的功能，數(shù)據(jù)是這項(xiàng)新技術(shù)的基礎(chǔ)。然而，這些數(shù)據(jù)也需要干凈。無論從何處提取數(shù)據(jù)、無論使用的是建模還是數(shù)據(jù)倉庫，高質(zhì)量的數(shù)據(jù)都至關(guān)重要。不良數(shù)據(jù)可能會導(dǎo)致不良推薦、不準(zhǔn)確、偏見等。隨著越來越多的組織尋求在其組織中利用生成式人工智能的力量，擁有強(qiáng)大的數(shù)據(jù)治理策略將變得更加重要。確保數(shù)據(jù)管理員可以訪問和控制這些數(shù)據(jù)也很關(guān)鍵。–Rex Ahlstrom，Syniti首席技術(shù)官兼副總裁

60%的企業(yè)員工將接受及時(shí)的工程培訓(xùn)。由于人工智能成為未來企業(yè)所有員工工作場所生產(chǎn)力的中心，團(tuán)隊(duì)將需要繼續(xù)投資數(shù)據(jù)/人工智能素養(yǎng)計(jì)劃，以縮小學(xué)習(xí)如何設(shè)計(jì)成功提示的技能差距。不要把這項(xiàng)重要的培訓(xùn)留給研發(fā)部門——IT需要為員工制定BYOAI指南和企業(yè)培訓(xùn)計(jì)劃，以有助于其始終如一地、安全地最好地利用生成式AI。–Forrester

更多組織將加入AI操作系統(tǒng)潮流：未來一年，生成式AI操作系統(tǒng)將受到更多關(guān)注和投資。人工智能操作系統(tǒng)是人工智能和其他一切事物之間的接口，從利用生成式人工智能工具的工程師和設(shè)計(jì)師，到通過生成式人工智能訓(xùn)練來模仿人類在物理世界中的行為和動作的機(jī)器人系統(tǒng)。由于廣泛采用人工智能的風(fēng)險(xiǎn)很高，隨著越來越多的企業(yè)和公共部門組織采用先進(jìn)的人工智能技術(shù)，將更加強(qiáng)調(diào)組織構(gòu)建操作系統(tǒng)的重要性，這些操作系統(tǒng)可以作為人工智能和其他一切之間的中介。–Ashok Srivastava，Intuit高級副總裁兼首席數(shù)據(jù)官

從搜索引擎到智能助手：檢索增強(qiáng)生成(RAG)將如何在2024年改善大型語言模型響應(yīng)：隨著日歷翻到2024年，一個(gè)模糊的術(shù)語將吸引科技界的注意力。盡管迄今為止尚未得到廣泛認(rèn)可，但檢索增強(qiáng)生成(RAG)已開始作為技術(shù)人員的變革框架引起轟動。RAG通過從外部源（例如外部知識庫）捕獲信息來增強(qiáng)大型語言模型(LLM)的功能，通過包含LLM的新數(shù)據(jù)來提高搜索響應(yīng)的質(zhì)量和準(zhǔn)確性?？梢詫AG視為根據(jù)需求個(gè)性化LLM，提供相同的LLM智能見解，但這來自數(shù)據(jù)。這就像從常規(guī)的互聯(lián)網(wǎng)搜索升級到擁有一個(gè)個(gè)人研究助手，其可以準(zhǔn)確地找到需要的內(nèi)容。金融決策者已經(jīng)看到了生成人工智能對其組織中其他利益相關(guān)者的好處。首席投資官們渴望應(yīng)用生成式人工智能來縮短“洞察時(shí)間”差距，同時(shí)過濾更多信息以產(chǎn)生更準(zhǔn)確的結(jié)果。由于改進(jìn)RAG的創(chuàng)新，確保對查詢進(jìn)行適當(dāng)訪問的復(fù)雜隔離已成為現(xiàn)實(shí)。在短期內(nèi)，我相信RAG將繼續(xù)克服與LLM的知識差距，提高準(zhǔn)確性，并作為包括投資管理在內(nèi)的多個(gè)行業(yè)的知識密集型活動的解決方案。此外，RAG可以限制LLM使用哪些數(shù)據(jù)來處理，這確保響應(yīng)僅來自RAG數(shù)據(jù)，而不是源自一般的LLM數(shù)據(jù)。RAG還可以提供數(shù)據(jù)來源的引用，以便用戶對響應(yīng)充滿信心。為了增強(qiáng)安全性，可以擁有多個(gè)RAG數(shù)據(jù)源，并鎖定對某些數(shù)據(jù)源的訪問。這樣，只有這些數(shù)據(jù)源的授權(quán)用戶才能使用LLM來回答有關(guān)敏感數(shù)據(jù)的問題。展望2024年，高度監(jiān)管的行業(yè)預(yù)計(jì)將推動新一代人工智能的采用，而RAG能夠?yàn)槠淅嫦嚓P(guān)者捕獲更好的信息。–Souvik Das，Clearwater Analytics首席技術(shù)官

專用LLM將會蓬勃發(fā)展：對數(shù)據(jù)隱私和安全性的擔(dān)憂，將促使組織在2024年投資針對其特定需求和數(shù)據(jù)集量身定制的專用LLM。這些專用LLM將進(jìn)行微調(diào)，以確保更好地遵守監(jiān)管標(biāo)準(zhǔn)和數(shù)據(jù)保護(hù)要求。這種向以隱私為中心的LLM的轉(zhuǎn)變將使企業(yè)能夠更好地控制其人工智能應(yīng)用，培養(yǎng)用戶之間的信任，并為從醫(yī)療保健到金融等行業(yè)的創(chuàng)新和安全的人工智能解決方案打開大門。–Jans Aasman博士，F(xiàn)ranz Inc.首席執(zhí)行官

生成式AI計(jì)劃將由業(yè)務(wù)線而不是IT驅(qū)動：高管們傳統(tǒng)上要求組織采用新工具來實(shí)現(xiàn)新的且更好的業(yè)務(wù)實(shí)踐，并節(jié)省資金，即使用戶更愿意堅(jiān)持使用現(xiàn)有工具。IT支持部署，而實(shí)施團(tuán)隊(duì)則討論變更管理程序，為可能不情愿的用戶進(jìn)行廣泛的培訓(xùn)，并杜絕繼續(xù)使用舊工具。然而，確保合規(guī)性并快速實(shí)現(xiàn)預(yù)期效益并非易事。到2024年，GenAI將出現(xiàn)相反的情況。用戶對支持GenAI的解決方案的熱情是顯而易見的，因?yàn)樵S多人已經(jīng)以各種形式嘗試過這些工具。GenAI的用戶友好性及其自然語言界面，有助于非技術(shù)利益相關(guān)者的無縫采用。然而，技術(shù)團(tuán)隊(duì)面臨著固有的挑戰(zhàn)，包括幻覺、缺乏可解釋性、特定領(lǐng)域的知識限制和成本問題。在某些組織中，在其技術(shù)團(tuán)隊(duì)跟上進(jìn)度之前，禁止使用GenAI。檢測“影子”使用情況，即個(gè)人在短暫的安靜后突然變得高效，這給實(shí)施挑戰(zhàn)增加了額外的復(fù)雜性。明年，組織將制定一個(gè)流程來評估無數(shù)可用選項(xiàng)，并允許企業(yè)使用少數(shù)能夠解決企業(yè)環(huán)境中GenAI挑戰(zhàn)的工具。–Ryan Welsh，Kyndi創(chuàng)始人兼首席執(zhí)行官

生成式人工智能(GenAI)的成熟：GenAI能力的廣泛民主化永遠(yuǎn)重塑了知識工作和全球勞動力市場的動態(tài)，而這些市場已經(jīng)受到疫情和復(fù)蘇時(shí)間表的影響。整個(gè)行業(yè)的廣泛共識是，雖然現(xiàn)天擁抱GenAI似乎是可選的，但很快就會有選擇，要么接受，要么滅絕。預(yù)計(jì)GenAI將增強(qiáng)業(yè)務(wù)、技術(shù)和安全決策，從而使人們更加關(guān)注人工智能治理和道德要求。這種推動的一個(gè)例子是最近發(fā)布的白宮行政命令，呼吁人工智能供應(yīng)商在國家安全和公共安全的背景下確保人工智能平臺的信任、安全和保障。隨著該領(lǐng)域的創(chuàng)新重新定義我們與數(shù)字生態(tài)系統(tǒng)的關(guān)系，對人工智能技能的需求將繼續(xù)增長。–Igor Volovich，Qmulos副總裁

釋放GenAI的潛力需要卓越的數(shù)據(jù)：數(shù)據(jù)是釋放GenAI潛力的貨幣。如果沒有準(zhǔn)確、可靠的數(shù)據(jù)，組織將無法交付關(guān)鍵結(jié)果。在未來的一年里，首席信息官們將需要優(yōu)先考慮數(shù)據(jù)質(zhì)量，以便試點(diǎn)和測試GenAI如何最好地服務(wù)和推動整個(gè)組織的發(fā)展。–Asana，Saket Srivastava首席信息官

AI的下一階段從Gen.AI到AGI：生成式AI及其方向發(fā)生了明顯的轉(zhuǎn)變。人們的焦點(diǎn)越來越集中在通用人工智能(AGI)和智能代理的興起上。對于智能代理來說，在AlOps和MLOps領(lǐng)域有兩個(gè)部分至關(guān)重要。一種是純粹圍繞學(xué)習(xí)控制和基礎(chǔ)設(shè)施管理，通過代理確保自動化配置管理和偏差保護(hù)。智能代理需要了解如何改進(jìn)、執(zhí)行、提供反饋并確定如何修改性能。這種做法適用于人工智能基礎(chǔ)設(shè)施管理，確保其由代理構(gòu)建和測試以部署任務(wù)。展望不久的將來，工作場所的趨勢，尤其是大企業(yè)，將與人工智能相關(guān)，組織將需要控制代理。如果沒有適當(dāng)?shù)幕A(chǔ)設(shè)施，組織就無法讓人工智能變得自治。對于人工智能從生成式人工智能到通用人工智能的下一階段，首先需要建立基礎(chǔ)設(shè)施，而嵌入平臺工程對于加速應(yīng)用的交付非常重要。無論學(xué)習(xí)系統(tǒng)位于何處（混合云或私有云），組織都需要配置才能正常工作。–Kapil Tandon，Perforce運(yùn)營副總裁

定制企業(yè)基礎(chǔ)模型(FM)的興起：隨著我們邁入2024年，圍繞開源與閉源的爭論只會變得更加激烈。像Meta的Llama這樣的開源LLM正在追趕像GPT-4這樣的閉源LLM。這兩種模式都在性能和隱私方面有所取舍。企業(yè)希望在這兩方面都取得成果。最近的更新，如OpenAI Enterprise，允許企業(yè)構(gòu)建適合其解決方案的自定義模型。同樣，開源模型允許企業(yè)在考慮隱私的情況下構(gòu)建輕量級自定義模型。這種趨勢將繼續(xù)下去，我們將看到定制的微型語言模型占據(jù)中心位置。–Sreekanth Menon，Genpact全球AI/ML服務(wù)負(fù)責(zé)人

“Me Too”AI供應(yīng)商因生成式AI陷入幻滅的低谷而陷入困境：目前，生成式AI正處于炒作周期的頂峰。明年，當(dāng)一些組織的人工智能投資無法實(shí)現(xiàn)其期望的徹底轉(zhuǎn)型時(shí)，將開始幻滅?？蛻魧δ切┰谌斯ぶ悄芨傎愔羞t到的供應(yīng)商變得更加警惕，這些供應(yīng)商提供的人工智能功能幾乎沒有商業(yè)價(jià)值或引人注目的功能。但是，權(quán)衡自己的期望并正確使用生成式人工智能的組織可以避免這種幻滅，并看到人工智能的預(yù)期價(jià)值。–Mike Finley，AnswerRocket首席技術(shù)官

2024年將是企業(yè)級開源AI采用的一年。迄今為止，在企業(yè)中有意義的、基于生產(chǎn)的采用LLM的例子并不多。例如，圍繞企業(yè)級彈性、安全性、正常運(yùn)行時(shí)間或可預(yù)測性構(gòu)建的內(nèi)容并不多。在接下來的一年里，一些企業(yè)將利用開源語言模型并使其更加適合生產(chǎn)，從而扭轉(zhuǎn)局面。這將導(dǎo)致構(gòu)建更多適用于企業(yè)級場景的無服務(wù)器開源語言模型，從而允許企業(yè)以更簡單的方式采用該技術(shù)。–Quentin Clark,General Catalyst董事總經(jīng)理

得益于檢索增強(qiáng)生成(RAG)，生成式AI將變得更加真實(shí)：這項(xiàng)技術(shù)將允許工程師將干凈的業(yè)務(wù)數(shù)據(jù)輸入LLM模型，以減少幻覺和事實(shí)信息的地面輸出。這些干凈的業(yè)務(wù)數(shù)據(jù)將由傳統(tǒng)的數(shù)據(jù)管道生成，這些管道在組織范圍內(nèi)處理數(shù)據(jù)提取、清理、規(guī)范化和豐富。RAG現(xiàn)在開始出現(xiàn)，隨著企業(yè)尋求確保生成式AI獲得更準(zhǔn)確的結(jié)果，明年將得到更多采用。–Sean Knapp，Ascend.io首席執(zhí)行官

邁向AGI——記憶、輸入和學(xué)習(xí)：AGI的追求將集中在三個(gè)關(guān)鍵領(lǐng)域：增強(qiáng)LLM的長期記憶、實(shí)現(xiàn)持續(xù)輸入和內(nèi)部狀態(tài)以及推進(jìn)強(qiáng)化學(xué)習(xí)。像Claude 2和GPT-4 Turbo中增加的上下文長度，以及旨在更好的記憶和持續(xù)學(xué)習(xí)的架構(gòu)，，都是這一趨勢的例子。OpenAI Q*算法的傳言也表明了這個(gè)方向的重大進(jìn)展。這些對2024年的預(yù)測不僅反映了人工智能和大數(shù)據(jù)的快速進(jìn)步，還強(qiáng)調(diào)了行業(yè)格局的變化，效率、多模態(tài)和更深層次的人工智能能力將推動創(chuàng)新和競爭。–Tomer Borenstein，BlastPoint,Inc.聯(lián)合創(chuàng)始人兼首席技術(shù)官

GenAI可能會扼殺創(chuàng)新：當(dāng)我們拿到第一部智能手機(jī)時(shí)，很快就會忘記人們的電話號碼。當(dāng)我們開始使用Google地圖或Waze時(shí)，導(dǎo)航能力也會發(fā)生同樣的情況。同樣，在未來幾年，我們將看到人們失去創(chuàng)新技能，因?yàn)槎甲兊酶右蕾嘒enAI來幫助生成代碼。到2024年，我們必須開始考慮如何保護(hù)知識并鼓勵(lì)創(chuàng)新。-Ori Keren，LinearB聯(lián)合創(chuàng)始人兼首席執(zhí)行官

多模式LLM和數(shù)據(jù)庫將開啟跨行業(yè)人工智能應(yīng)用的新前沿：2024年最令人興奮的趨勢之一將是多模式LLM的崛起。隨著這種出現(xiàn)，對能夠存儲、管理和允許跨不同數(shù)據(jù)類型進(jìn)行高效查詢的多模式數(shù)據(jù)庫的需求不斷增長。然而，多模態(tài)數(shù)據(jù)集的大小和復(fù)雜性對傳統(tǒng)數(shù)據(jù)庫提出了挑戰(zhàn)，傳統(tǒng)數(shù)據(jù)庫通常設(shè)計(jì)用于存儲和查詢單一類型的數(shù)據(jù)，例如文本或圖像。另一方面，多模式數(shù)據(jù)庫更加通用和強(qiáng)大。其代表了LLM發(fā)展的自然進(jìn)展，以整合使用文本、圖像、音頻和視頻等多種模式處理和理解信息的不同方面。許多用例和行業(yè)將直接受益于多模式方法，包括醫(yī)療保健、機(jī)器人、電子商務(wù)、教育、零售和游戲。多模式數(shù)據(jù)庫將在2024年及以后出現(xiàn)顯著增長和投資，因此企業(yè)可以繼續(xù)推動人工智能驅(qū)動的應(yīng)用。–Rahul Pradhan，Couchbase運(yùn)營與戰(zhàn)略副總裁

未完，待續(xù)…

若想查看“2024年大數(shù)據(jù)行業(yè)預(yù)測”相關(guān)篇章，請點(diǎn)擊：

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。