2022年11月22日是一个具有里程碑意义的时刻,虽然大部分是虚拟的,但它震动了全球几乎每个行业的基础。
在那天,OpenAI发布了ChatGPT,这是迄今为止最先进的人工智能聊天机器人。这引发了对生成式人工智能应用的需求,这些应用帮助企业更高效地工作,从为消费者提供问题的答案,到加速研究人员在寻求科学突破时的工作,以及更多其他方面。
之前只是尝试过人工智能的企业现在正急于采用和部署最新的应用。生成式人工智能——算法创造新的文本、图像、声音、动画、3D模型甚至计算机代码的能力——正在以超光速发展,改变人们工作和娱乐的方式。
通过使用大型语言模型(LLMs)处理查询,这项技术可以大大减少人们用于搜索和整理信息等手动任务的时间。
利益巨大。据普华永道估计,到2030年,人工智能可能为全球经济贡献超过15万亿美元。而人工智能的采用影响可能超过互联网、移动宽带和智能手机的发明——总和超过。
推动生成式人工智能的引擎是加速计算。它使用GPU、DPU和网络以及CPU,加速应用程序在科学、分析、工程以及消费者和企业用例中的应用。
从药物发现、金融服务、零售和电信到能源、高等教育和公共部门的早期采用者,正在将加速计算与生成式人工智能结合起来,改变业务运营、服务提供和生产力。
药物发现的生成式人工智能
今天,放射科医生使用人工智能来检测医学影像中的异常,医生使用它来扫描电子健康记录以发现患者洞察,研究人员使用它来加速新药的发现。
传统的药物发现是一个资源密集型的过程,可能需要合成5000多种化合物,平均成功率仅为10%。大多数新药候选品要花费十多年的时间才能上市。
研究人员现在使用生成式人工智能模型读取蛋白质的氨基酸序列,并能够在几秒钟内准确预测目标蛋白的结构,而不是几周或几个月。
使用NVIDIA BioNeMo模型,全球生物技术领导者Amgen将为分子筛选和优化定制模型的时间从三个月缩短到几周。这种可训练的基础模型使科学家能够为研究特定疾病创建变体,使他们能够开发针对罕见疾病的靶向治疗。
无论是预测蛋白质结构还是在大型真实世界和合成数据集上安全训练算法,生成式人工智能和加速计算正在开辟研究的新领域,有助于减轻疾病的传播、实现个性化医疗治疗和提高患者的生存率。
金融服务的生成式人工智能
根据最近的一项NVIDIA调查,金融服务行业中的顶级人工智能应用案例是客户服务和深度分析,其中自然语言处理和LLMs用于更好地回答客户的问题并发现投资见解。另一个常见的应用是推荐系统,它们提供个性化的银行体验、优化营销和投资指导。
先进的人工智能应用有助于帮助该行业更好地预防欺诈,并改变银行的方方面面,从投资组合规划和风险管理到合规和自动化。
80%的业务相关信息是以非结构化格式——主要是文本——存在的,这使其成为生成式人工智能的首选。彭博新闻每天发布与金融和投资社区相关的5000篇报道。这些报道代表了一大批非结构化的市场数据,可以用于进行及时的投资决策。
NVIDIA、德意志银行、彭博社和其他机构正在创建基于领域特定和专有数据的LLMs,用于支持金融应用。
财务变形器,或称“FinFormers”,可以学习上下文并理解非结构化金融数据的含义。它们可以驱动问答聊天机器人,概述和翻译金融文本,提供反对方风险的早期预警,快速检索数据并识别数据质量问题。
这些生成式人工智能工具依赖于能够将专有数据集成到模型训练和微调中的框架,集成数据策划以防止偏见,并使用安全措施保持与金融相关的对话。
预计金融科技初创企业和大型国际银行将扩大他们对LLMs和生成式人工智能的应用,开发复杂的虚拟助手为内部和外部利益相关者提供服务,创建超个性化的客户内容,自动化文档摘要以减少手动工作,并分析公共和私人数据的TB级数据以生成投资见解。
零售业的生成式人工智能
随着60%的购物旅程从线上开始,消费者比以往任何时候都更加联网和知识丰富,人工智能已成为帮助零售商满足不断变化的期望并与日益激烈的竞争区分开来的重要工具。
零售商正在使用人工智能来改善顾客体验,为动态定价提供动力,创建顾客细分,设计个性化推荐和进行视觉搜索。
生成式人工智能可以在购买过程的每一步支持顾客和员工。
通过针对特定品牌和产品数据进行训练的人工智能模型,可以生成改进搜索引擎优化排名并帮助购物者找到他们正在寻找的确切产品的强大产品描述。例如,生成式人工智能可以使用包含产品属性的元标签生成更全面的产品描述,包括“低糖”或“无麸质”等各种术语。
人工智能虚拟助手可以检查企业资源计划系统,并生成客户服务消息,告知购物者哪些物品可供选择,何时发货,甚至协助顾客更改订单。
NVIDIA Inception全球技术初创企业网络的成员之一Fashable正在使用生成式人工智能来创建虚拟服装设计,在产品开发过程中消除了对实际面料的需求。通过在专有数据和市场数据上进行训练,这减少了时尚设计对环境的影响,并帮助零售商根据当前市场趋势和口味设计服装。
预计零售商将利用人工智能来吸引和保持顾客的注意力,提供卓越的购物体验,并通过在合适的时间将购物者与合适的产品匹配来推动收入增长。
电信业的生成式人工智能
在涵盖电信行业的一项NVIDIA调查中,95%的受访者表示他们正在使用人工智能,而三分之二的人认为人工智能对公司未来的成功至关重要。
无论是改善客户服务,简化网络运营和设计,支持现场技术人员,还是创造新的变现机会,生成式人工智能都有可能重新定义电信行业。
电信运营商可以使用专有数据对网络设备和服务、性能、故障单问题、现场调查等进行诊断人工智能模型的训练。这些模型可以加速技术性能问题的故障排除,推荐网络设计,检查网络配置合规性,预测设备故障,并识别和应对安全威胁。
手持设备上的生成式人工智能应用程序可以通过扫描设备并生成虚拟教程来支持现场技术人员进行维修。虚拟指导还可以通过增强现实进行增强,使技术人员能够在3D沉浸式环境中分析设备或请求远程专家的支持。
对于电信运营商来说,也将出现新的收入机会。凭借庞大的边缘基础设施和大量的数据集,全球各地的电信运营商现在正向企业和政府客户提供生成式人工智能作为服务。
随着生成式人工智能的发展,预计电信服务提供商将利用这一技术来优化网络性能,改进客户支持,检测安全入侵并增强维护操作。
能源行业的生成式人工智能
在能源行业,人工智能正在推动预测性维护和资产优化、智能电网管理、可再生能源预测、电网安全等方面的应用。
为了满足日益增长的对老化基础设施和新的政府合规要求的数据需求,能源运营商正在寻求生成式人工智能的应用。
在美国,电力公用公司每年花费数十亿美元来检查、维护和升级发电和输电基础设施。
直到最近,使用视觉人工智能支持检查需要算法在成千上万张手动收集和标记的电网资产照片上进行训练,训练数据需要不断更新以适应新的组件。现在,生成式人工智能可以完成繁重的工作。
通过少量图像训练数据,算法可以生成数千张物理准确的图像,用于训练计算机视觉模型,帮助现场技术人员识别电网设备的腐蚀、破损、阻塞甚至检测野火。这种主动维护提高了电网的可靠性和弹性,减少了停机时间,同时减少了派遣团队到现场的需求。
生成式人工智能还可以减少手动研究和分析的需求。根据麦肯锡的数据,员工每天要花费高达1.8小时搜索信息,几乎占到工作周的20%。为了提高生产力,能源公司可以在专有数据上进行LLM(语言模型)的训练,包括会议记录、SAP记录、电子邮件、现场最佳实践以及标准物料数据表等公共数据。
通过将这种类型的知识库连接到人工智能聊天机器人上,工程师和数据科学家可以即时获得对高度技术问题的答案。例如,一个维护工程师在处理涡轮液压系统的偏航控制问题时可以问机器人:“我应该如何调整液压压力或流量以纠正来自X公司的模型涡轮的偏航控制问题?”经过适当训练的模型将向用户提供具体的指导,用户无需查阅笨重的手册即可找到答案。
通过应用人工智能进行新系统设计、客户服务和自动化,预计生成式人工智能将提升能源行业的安全性和能源效率,并降低运营费用。
生成式人工智能在高等教育和研究中的应用
从智能辅导系统到自动化的作文评分,人工智能在教育领域已经应用了几十年。随着大学利用人工智能改善教师和学生的体验,他们越来越多地投入资源来建立以人工智能为重点的研究计划。
例如,佛罗里达大学的研究人员可以使用世界上最快的学术超级计算机之一。他们利用它开发了GatorTron – 一种自然语言处理模型,使计算机能够阅读和解释存储在电子健康记录中的临床笔记中的医学语言。通过理解医学上下文的模型,人工智能开发人员可以创建许多医学应用,例如支持医生进行自动化医疗记录的语音转文本应用。
在欧洲,慕尼黑工业大学的行业与大学合作示范了基于基因组学数据训练的LLM模型可以在众多基因组任务上具有普适性,而不像之前的方法需要专门的模型。预计基因组学LLM将帮助科学家们了解DNA如何转录为RNA和蛋白质的动态过程,从而开启有益于药物研发和健康的新的临床应用。
为了进行这种开创性研究、吸引最有动力的学生和合格的学术专业人员,高等教育机构应考虑采用整体大学方法,整合预算,规划人工智能计划,并在各学科间分配人工智能资源和利益。
生成式人工智能在公共部门的应用
如今,人工智能在公共部门的最大机会是帮助公务员更高效地完成工作并节省资源。
美国联邦政府雇佣了超过200万名文职雇员,其中三分之二从事专业和行政工作。
这些行政角色通常涉及耗时的手动任务,包括起草、编辑和总结文件,更新数据库,记录支出进行审计和合规,以及回答公民的咨询。
为了控制成本并提高例行工作的效率,政府机构可以使用生成式人工智能。
生成式人工智能的摘要文档能力具有潜力提高决策者和工作人员、公务员、采购人员和承包商的工作效率。以最近由美国国家安全委员会发布的756页报告为例。由于报告和法规通常涵盖数百页的密集学术或法律文本,AI生成的摘要可以在几秒钟内快速将复杂内容转化为简明语言,节省了完成任务所需的人力资源。
由LLM驱动的人工智能虚拟助手和聊天机器人可以立即向在线用户提供相关信息,减轻了像财政部、国税局和车辆管理局这样的机构过度使用电话咨询的工作人员的负担。
通过简单的文本输入,AI内容生成可以帮助公务员创建和发布出版物、电子邮件通信、报告、新闻稿和公共服务公告。
人工智能的分析能力也可以帮助处理文件,加快由诸如医疗保险、医疗补助、退伍军人事务、美国邮政服务和国务院等组织提供的重要服务的交付。
生成式人工智能可能成为帮助政府机构在预算限制下工作、更快地提供政府服务并获得积极公众情绪的关键工具。
生成式人工智能 – 业务成功的关键要素
在各个领域,组织正在通过生成式人工智能转变员工的生产力,改进产品并提供更高质量的服务。
要将生成式人工智能付诸实践,企业需要大量的数据、深度的人工智能专业知识以及足够的计算能力来快速部署和维护模型。企业可以通过NVIDIA AI Enterprise软件中的NeMo生成式人工智能框架在DGX Cloud上快速采用。NVIDIA的预训练基础模型为构建和运行定制的生成式人工智能解决方案提供了简化的方法,以应对独特的业务用例。
了解更多有关强大的生成式人工智能工具,帮助您的企业提高生产力,自动化任务,并为员工和客户开启新机遇。