AI TrendTrackers

忘掉ChatGPT Plus及其20美元订阅费，微软Copilot将免费为您提供GPT-4 Turbo和DALL-E 3技术。你需要了解的 微软Copilot利用了OpenAI最新的大型语言模型GPT-4 Turbo。 微软承诺，这一增加将为聊天机器人带来更准确的回应、更好的图像分析和更广泛的知识范围。 最近的一项研究显示，微软在移动设备上推出专用的Copilot应用并没有影响ChatGPT的收入或安装量，这可能会使其占据上风。 与ChatGPT不同，后者将GPT-4 Turbo功能隐藏在20美元的订阅费后面，用户可以免费访问该功能以及DALL-E 3技术。 2024年确实是AI的一年，微软在这项技术上全力下注，特别是在其对这项技术的数十亿美元投资之后。公司在今年初推出了面向iOS和安卓用户的AI助手专用应用Copilot，从而将其影响力扩展到了必应、微软Edge和Windows 11之外。 微软一直在努力不断发布更新以及为聊天机器人添加新功能，并且甚至将其从必应聊天改名为Copilot。长期以来，OpenAI的ChatGPT一直主导着移动市场份额。然而，我们可能会在未来看到潜在的转变。微软Copilot和ChatGPT实际上是几乎相同的应用，只是有细微差别。两者都配备了OpenAI的GPT-4 Turbo模型和DALL-E 3技术。 为了提供一些背景，Copilot此前使用的是GPT-4模型。虽然在大多数情况下它运行得很好，但其知识仅限于2021年9月及以前的信息，这使得在获取关于当前事务的信息时很难利用该工具。最近，这款聊天机器人被发现在即将到来的美国选举方面提供了不准确的信息。 过去一周的情况变得更加紧张，因为微软已经公布了即将到来的必应聊天的内容。其中很多功能是我希望现在就能在ChatGPT上使用的。插件、聊天历史、导出、图表，所有这些都很棒。而且没有被昂贵的订阅所限制，这种订阅甚至似乎无法提供你所付出的东西。 Appfigures最近的一项调查显示，微软推出Copilot应用的成果并不显著，自推出以来在iOS和安卓上累计下载量为210万次。研究人员进一步透露，这次推出并没有影响ChatGPT的收入或安装量，尽管它本身已经呈下降趋势。 尽管研究团队没有透露ChatGPT为何处于下降趋势，但之前的报告提到了几个问题，包括运行聊天机器人所涉及的高成本、聊天机器人提供不准确回应并完全愚蠢的情况，以及用户对这项技术的兴趣总体减少，这些都对其用户基础产生了负面影响。 微软尚未正式宣布这项功能正在向其Copilot推出，尽管过去曾强调过这一计划。该功能可能会分批向用户推出，因此可能还没有对所有人开放。它被列在应用的主页上，你需要点击标有“使用GPT-4”的开关来开始利用该功能。

开放AI的全新GPT商店第二天就闹出了乱子，用户们纷纷打破规则。这家店专门提供定制版的ChatGPT，也就是所谓的生成预训练变换器（GPTs），它们本应用于特定目的——有些情况下甚至根本不应该被创造。在GPT商店里搜“女朋友”，就能在结果栏里看到至少八个“女朋友”AI聊天机器人，包括“韩国女友”、“虚拟甜心”、“你的女友斯嘉丽”和“你的AI女友，Tsu✨”。 AI聊天机器人违反了OpenAI的使用政策规则这些AI女友机器人违反了OpenAI的使用政策。这项政策是在GPT商店昨天（1月10日）开业时更新的。该公司禁止专门用于培养浪漫伴侣关系或执行受监管活动的GPTs。目前还不清楚“受监管活动”具体指什么。Quartz已经联系了OpenAI寻求评论，如果该公司回应，本文将会更新。值得注意的是，该公司正试图在其OpenAI商店可能出现的冲突问题上抢先一步。关系聊天机器人确实是受欢迎的应用程序。据data.ai——一家移动应用分析公司——与Quartz分享的数据显示，在美国，2023年通过苹果或谷歌Play商店下载的30个AI聊天机器人应用中，有七个与AI朋友、女友或伴侣相关。这些应用的激增正值美国面临孤独和隔离的流行。令人担忧的研究显示，有一半美国成年人报告经历过孤独，美国卫生部长也呼吁需要加强社交联系。如果人们与其他人类隔离，AI聊天机器人或许可以成为解决方案的一部分，或者它们可能只是利用人类苦难来赚钱。 该公司表示，它使用自动系统、人工审查和用户报告的组合来发现和评估可能违反其政策的GPTs，这可能会导致“警告、共享限制或无法在GPT商店中上架或实现盈利”。 OpenAI的GPT商店就像在狂野西部运营 OpenAI的商店规则在开业第二天就被打破，这显示出管理GPTs可能有多么困难。在过去的一年里，科技公司纷纷以“测试版”模式发布AI工具，并明确指出他们的产品可能会出错。例如，在ChatGPT聊天屏幕上，OpenAI在底部有一行文字：“ChatGPT可能会犯错误。考虑核对重要信息。”值得注意的是，科技公司也迅速调查了有关他们AI的报告问题，部分原因是，随着他们争夺这一领域的主导地位，做对这一点变得尤为重要。

从电视剧《法律与秩序》到《犯罪现场调查》，乃至现实生活中，调查人员长期以来一直将指纹视为将犯罪分子与犯罪行为联系起来的黄金标准。然而，如果犯罪者在两个不同的犯罪现场留下了来自不同手指的指纹，这两个现场就非常难以关联起来，线索可能因此中断。 法医界广泛接受的一个事实是，同一人不同手指的指纹——即“个人内部指纹”——是独一无二且无法匹配的。 由哥伦比亚工程学院本科生高级班的Gabe Guo领导的研究小组挑战了这一普遍假设。Guo此前并无法医学知识，他发现了一个包含约60,000个指纹的公开美国政府数据库，并将这些指纹成对输入到一个基于人工智能的系统，称为深度对比网络。有时这些成对的指纹属于同一人（但不同手指），有时则属于不同人。 AI有潜力大幅提高法医精度 随着时间的推移，该团队设计的AI系统通过修改先进的框架，越来越擅长判断看似独特的指纹是否属于同一人。单对指纹的准确率达到77%。当呈现多对指纹时，准确率显著提高，有可能将当前的法医效率提高十倍以上。该项目是哥伦比亚工程学院霍德·利普森创意机器实验室与纽约州立大学布法罗分校温耀·许嵌入式传感器与计算实验室的合作，今天发表在《科学进展》杂志上。 研究结果挑战并惊讶法医界 一旦团队验证了他们的结果，他们迅速将发现提交给了一个知名的法医杂志，但几个月后遭到了拒绝。匿名的专家评审员和编辑得出结论：“众所周知，每个指纹都是独一无二的”，因此即使指纹来自同一人，也不可能检测出相似之处。 团队并未放弃。他们加倍努力， 向AI系统输入更多数据，系统的性能持续提升。意识到法医界的怀疑态度，团队选择将他们的研究报告提交给更广泛的读者群。虽然论文再次遭到拒绝，但利普森教授，即机械工程系的詹姆斯和萨莉·斯卡帕创新教授兼Makerspace设施联合主任，提出了上诉。“我通常不会质疑编辑的决定，但这一发现实在太重要，不容忽视，”他说。“如果这一信息能够改变现状，那么我想象冷案可能会被重新调查，甚至无辜的人可能被宣判无罪。” 虽然该系统的准确性不足以正式决定案件，但它可以帮助在模糊情况下优先考虑线索。经过进一步的讨论，论文最终被《科学进展》接受发表。 揭示：一种新型法医标记，用于精确捕捉指纹 其中一个关键问题是：AI实际上使用了哪些替代信息，这些信息在几十年的法医分析中一直未被发现？在对AI系统的决策过程进行仔细的可视化分析后，团队得出结论，AI正在使用一种新型的法医标记。 “AI没有使用‘细节特征’，即指纹脊线中的分支和端点——传统指纹比对中使用的模式，”Guo说，他于2021年作为一年级学生开始在哥伦比亚工程学院进行这项研究。“相反，它正在使用其他东西，与指纹中心的漩涡和环的角度和曲率有关。” 哥伦比亚工程学院的高年级学生Aniv Ray和博士生Judah Goldfeder帮助分析数据，他们指出，他们的结果只是一个开始。“想象一下，一旦它接受了数百万而非数千个指纹的训练，它将表现得有多好，”Ray说。 对更广泛数据集的需求 该团队意识到数据中可能存在的偏见。作者们提出的证据表明，AI在性别和种族方面的表现相似，前提 是样本可用。然而，他们指出，如果这项技术要在实践中使用，需要使用具有更广覆盖范围的数据集进行更仔细的验证。 人工智能在一个历史悠久的领域中的变革潜力 利普森教授指出，这一发现是人工智能未来可能带来更多惊喜的一个例子。“许多人认为人工智能无法真正做出新发现——它只是重复已有知识，”他说。“但这项研究是一个例子，展示了即使是相对简单的AI，给定一个研究界多年来一直闲置的普通数据集，也能提供数十年来专家未曾发现的洞见。” 他补充说：“更激动人心的是，一个没有任何法医背景的本科生，可以利用AI成功挑战整个领域广泛持有的信念。我们即将经历一个由非专家主导的AI科学发现的爆炸性增长，专家社区，包括学术界，需要做好准备。”

亚马逊时尚正在利用四项由人工智能（AI）驱动的创新技术——个性化尺寸推荐、评论精选、重新设计的尺寸图表和合身洞察——帮助顾客更加自信地购物。这些技术旨在帮助顾客在家中轻松找到适合的时尚单品，提升顾客体验并解决在线购买时尚商品时面临的尺寸和合身挑战。 亚马逊最近推出的几项AI驱动的功能，使顾客能够自信地在其商店购买他们喜欢的时尚和风格。其中包括AI驱动的个性化尺寸推荐，帮助每位顾客在任何款式中找到最适合自己的尺寸。该算法考虑了品牌及其尺寸系统之间的关系、产品评论和其他细节，以及顾客自己的合身偏好。 此外，亚马逊还通过AI生成的评论精选为顾客提供相关反馈。该功能基于顾客推荐的尺寸，从评论中提取共同主题，以便不同背景的顾客获得个性化的尺寸指导。 亚马逊还致力于使尺寸图表对顾客更准确和有用。通过利用大型语言模型（LLMs），公司自动提取和清理多个来源的产品尺寸图表数据，将其转化为标准化尺寸，并自动纠正缺失或错误的测量数据。 品牌和销售伙伴也可以从亚马逊的AI支持的合身洞察工具中受益。该工具使用大型语言模型提取和汇总关于合身、款式和面料的顾客反馈，结合退货和 尺寸图表分析与顾客评论。它运用机器学习技术识别尺寸图表中的不足之处。品牌可以利用这些数据更好地理解顾客的合身问题，改善与顾客沟通尺寸的方式，甚至将这些反馈融入未来的设计和生产中。这有助于品牌减少与合身相关的退货，并更准确地向顾客展示其商品。 综上所述，亚马逊时尚通过这些AI驱动的创新技术，正助力顾客在时尚购物中获得更佳体验，并为品牌和销售伙伴提供有价值的洞察，从而优化其产品和服务。

人工智能实验室OpenAI已经推出了其GPT商店，这是一个为个性化人工智能（AI）应用程序提供市场的平台，该公司在周三的博客文章中宣布。 GPT商店位于广受欢迎的ChatGPT聊天机器人内部，是用户发现和构建GPT（为特定任务量身定制的AI）的地方，例如教授数学或设计贴纸。 这是OpenAI利用ChatGPT在消费者市场上的成功的一次尝试。去年，ChatGPT向世界介绍了生成式AI，以其编写类似人类的散文和诗歌的能力让用户感到惊艳。ChatGPT迅速成为有史以来增长最快的应用之一，但当一些学校放假和这个聊天机器人的新奇感消退时，其增长有所下降。 GPT商店最初将面向支付ChatGPT计划的用户推出，OpenAI表示。在接下来的几个月中，该公司打算为GPT创造者增加一种方式，让他们能够通过个性化AI获得收益。 这家得到微软（MSFT.O）支持的初创公司在11月的首次开发者大会上宣布了GPT商店。最初计划在当月晚些时候上线。 但在12月，OpenAI推迟了GPT商店的启动，根据一份内部备忘录，原因是它继续根据客户反馈“对GPT进行改进”。推迟的背景是OpenAI首席执行官Sam Altman被公司董事会出人意料地解职，以及当员工威胁要辞职时他被重新任命。 此外，OpenAI在周三表示，它正在推出ChatGPT Team，这是一种公司支付费用让员工在工作中使用ChatGPT的ChatGPT版本。ChatGPT Team将公司数据进行隔离，所以输入到聊天机器人的任何信息都仅限于公司内部。ChatGPT Team的成本在每用户每月25至30美元之间。

2023年，人工智能和数据科学成为了头条新闻，推动这一趋势的当然是生成性AI的崛起。那么，2024年这个领域可能会发生什么，使其继续保持在头条位置？这些趋势将如何真正影响企业？ 在过去几个月里，我们对数据和技术高管进行了三次调查。其中两次是在麻省理工学院首席数据官及信息质量研讨会上进行的——一次由亚马逊网络服务（AWS）赞助，另一次由Thoughtworks赞助（尚未发布）。第三次调查是由Wavestone（前身为NewVantage Partners）进行的，我们过去也曾撰文介绍过他们的年度调查。总共有超过500名高级执行官参与了这些新调查，可能有一些参与者重复参加。 《领导AI和数据》月刊洞察 了解人工智能如何影响你的组织，以及这对你的公司和客户意味着什么。 你的邮箱是什么？ 注册 隐私政策 调查虽然不能预测未来，但它们确实表明了那些最接近公司数据科学和AI战略及项目的人们正在思考和做什么。根据这些数据高管的说法，以下是五大发展问题，值得你密切关注： 调查表明，尽管对生成性AI的兴奋程度很高，但价值大多尚未交付。 生成性AI的生产部署当然需要更多的投资和组织变革，而不仅仅是实验。业务流程需要重新设计，员工需要重新培训（或者，在少数情况下，被生成性AI系统取代）。新的AI能力需要整合到现有的技术基础设施中。 或许最重要的变化将涉及数据——策划非结构化内容，提高数据质量，整合多元化的数据来源。在AWS调查中，93%的受访者同意数据战略对于从生成性AI中获得价值至关重要，但57%的受访者迄今为止还没有对他们的数据做出任何改变。 生产数据模型——曾经是一种手工艺的活动——正在变得越来越工业化。 这些能力大多来自外部供应商，但一些组织现在正在开发自己的平台。尽管自动化（包括我们下面讨论的自动化机器学习工具）正在帮助提高生产力和促进更广泛的数据科学参与，但提高数据科学生产力的最大好处可能是重用现有的数据集、特征或变量，甚至是整个模型。 但组织对数据产品的看法有两种不同的方式。接近一半（48%）的受访者表示，他们将分析和AI能力包含在数据产品的概念中。大约30%的人认为分析和AI与数据产品是分开的，而且可能仅将这个术语用于可重用的数据资产。只有16%的人表示他们根本不认为分析和AI在产品背景下有意义。 我们稍微倾向于将分析和AI包含在数据产品定义中，因为这是数据被利用的方式。但真正重要的是，组织在定义和讨论数据产品时保持一致。如果一个组织更倾向于结合“数据产品”和“分析和AI产品”，那也可以很好地运作，这个定义保留了产品管理的许多积极方面。但如果没有对定义的明确，组织可能会对产品开发者究竟要交付什么感到困惑。 减少对专业数据科学家需求的另一个因素是公民数据科学的兴起，即具有定量分析能力的商业人士自己创建模型或算法。这些个体可以使用自动化机器学习（AutoML）等工具来完成大部分繁重的工作。对公民来说，更有帮助的是ChatGPT中提供的一项名为“高级数据分析”的建模功能。通过简短的指令和上传的数据集，它几乎可以处理模型创建过程的每个阶段，并解释其行动。 当然，数据科学的许多方面仍然需要专业数据科学家。例如，开发全新的算法或解释复杂模型的工作方式是仍然存在的任务。这个角色仍然是必要的，但可能不像以前那样重要了——也没有了同样程度的权力和光彩。 Thomas H. Davenport 和 Randy Bean 这种C级职位的演变是Thoughtworks调查的主要关注点，87%的受访者（主要是数据领导者，但也有一些技术高管）同意，他们的组织中的人们对于向何处寻求数据和技术相关服务和问题感到完全、在很大程度上或有些困惑。许多C级高管表示，他们与本组织内的其他技术导向领导者的协作相对较低，79%的人同意，他们的组织过去因缺乏协作而受到阻碍。 我们相信，在2024年，我们将看到更多这样的综合技术领导者，他们拥有从向他们汇报的数据和技术专业人员那里创造价值的所有能力。他们仍然需要强调分析和AI，因为这是组织理解数据并为员工和客户创造价值的方式。最重要的是，这些领导者需要高度商业化，能够与高级管理同事讨论战略，并能将其转化为使该战略成为现实的系统和洞察。

英伟达今天宣布了GeForce RTX™ SUPER台式GPU，用于强化生成AI性能，以及每个顶级制造商的新AI笔记本电脑和NVIDIA RTX™加速的AI软件和工具。基于数十年的PC领导地位，拥有超过1亿的RTX GPU驱动AI PC时代，NVIDIA现提供这些工具以增强PC上的生成AI体验：NVIDIA TensorRT™加速的流行稳定扩散XL模型用于文本到图像工作流，NVIDIA RTX Remix与生成AI纹理工具，NVIDIA ACE微服务等。AI Workbench，一个易于使用的AI开发者工具包，将在本月晚些时候提供测试版。此外，NVIDIA TensorRT-LLM（TRT-LLM）现支持更多预优化的模型。本月晚些时候发布的NVIDIA技术演示“RTX对话”将允许AI爱好者与他们的笔记、文档和其他内容进行互动。 Jensen Huang表示：“生成AI是计算史上最重要的平台转变，将改变每个行业。”为满足这些需求，英伟达在其完整技术堆栈中提供创新，推动新体验，并在500多个已由NVIDIA RTX技术加速的AI启用PC应用程序和游戏的基础上进行构建。

研究人员来自苏黎世联邦理工学院（ETH Zurich）和谷歌苏黎世（Google Zurich）的合作努力，已经成功创造了名为InseRF的新技术。该方法基于用户提供的文本描述和参考视角中的2D边界框，能够在3D场景中生成新对象。随着在3D生成建模中采用文本到图像扩散模型的强大先验，3D场景编辑领域已经发生了深刻的变革。尽管现有方法在通过风格和外观变化或移除现有对象方面效果显著，但在生成新对象方面仍面临挑战。研究人员在本项研究中解决了这一问题。他们特别提出，将3D对象插入定位于场景的参考视图中的2D对象插入。然后，将这种2D编辑提升为3D，采用单视角对象重建方法。重建的对象随后被插入到场景中，并受到单眼深度估计方法先验的指导。研究人员在各种3D场景上对其方法进行了评估，并对提出的组件进行了深入分析。他们在几个3D场景中进行的生成式对象插入实验显示，与现有方法相比，他们的方法更为有效。InseRF能够在不需要显式3D信息作为输入的情况下，进行可控制和与3D一致的对象插入。 去看看Github： https://mohamad-shahbazi.github.io/inserf/

QuEra，一个由哈佛大学和麻省理工学院的研究人员组成的量子计算创业公司，正雄心勃勃地计划在2026年推出一台具有10,000个物理量子位和100个逻辑量子位的量子计算机。这个先进系统旨在展示“实用的量子优势”，在复杂计算中超越传统的二进制计算机。 QuEra的发展路线图包括中期里程碑，在2024年和2025年分别开发具有256个和3,000个物理量子位的系统。他们独特的方法使用被激光镊子困住的原子作为量子位，与IBM的超导电荷量子位不同。QuEra的技术重点是克服量子计算的主要挑战——错误校正，旨在维持量子信息完整性的长期性。 目前科学界对于何时甚至是否能在实际层面上达到“量子优势”尚无共识。科学家们使用量子计算机进行了大量实验，解决了传统计算机无法解决的问题，但这些实验大多涉及运行特定算法，这些算法在实验室测试之外几乎没有或根本没有实际用途。 然而，包括QuEra团队所做的最新进展表明，一旦扩大规模，目前的进展可能会带来能够执行远远超出任何现有或理论上可行的二进制超级计算机能力的量子计算系统。 如果实现，这场量子革命预计将对密码学、金融科技、化学、人工智能、交通和其他许多领域产生重大影响。

在全球各地的组织中，2023年的AI热潮正迅速演变成更有趣、更实用的东西：真正重要的AI驱动商业成果。原因在于AI能力在整个计算堆栈中的最新进展，使得任何行业、地理位置或成长阶段的组织都能接触到通常只有少数人能享受的潜力。随着越来越多的人使用这些新能力，可以期待创新和成果的激增。 谷歌的Gemini等模型系列是生成AI最初突破的最强表达，使人们和设备能够用自然人类语言进行交互。在人类提示的指导下，计算机合成难以想象的大量数据，以消化信息、做出预测、协助任务或创建新颖内容，从文本到图像再到新的计算机代码。Gemini比以往任何时候都走得更远，作为世界上第一个原生多模态模型。 以前，你需要不同的模型来理解文本、音频、代码、图像、数学或视频。Gemini可以同时处理所有这些，就像人类在合作时同时阅读、说话和观察周围世界一样。 杜埃特人工智能摘要 随着生成AI在2024年的更广泛采用，领导者应该考虑三个重要支柱：经济和能源；普及和获取；信任和安全。 在蓬勃发展的AI竞赛中，平衡相互竞争的需求并采取适度的风险将是走在前列的关键。 “我们相信，AI不会结束工作，而是会对人类的创造力、合作和发明提出新的要求，与当今世界面临的挑战相称。” 这个摘要是使用Google Workspace的Duet AI创建的。 在2023年的“哇”时刻之后，许多企业面临着这样的问题：“这对我们的业务意味着什么，成本是多少？”作为谷歌云的首席技术官，我的工作使我有幸了解技术的发展方向（人工智能助手、平台和基础设施的融合），以及一些世界顶尖组织如何已经利用它。总的来说，我看到了三个关键支柱，这将影响公司如何理解、部署和使用2024年的生成AI。 经济和能源 在企业中使用生成AI的可行性通常集中在关键成本上，既包括财务方面，也越来越多地包括环境方面。严格的执行满足了业务的财务生命和遵守法规及企业公民身份的日益重要性。 生成AI使用巨大的计算能力，带来能源使用的成本和社会挑战。客户将需要了解数据中心的能源管理方式，并具有优化生产以使用尽可能清洁的地区和区域的灵活性。这可能会影响编写软件的做法，并可能作为开发者实践的一部分采用碳预算。我们的客户希望我们继续我们的重大可持续性努力，可持续的生成AI在2024年的需求和重要性很可能会上升。 谷歌在2015年将AI融入搜索。亲身经历这种AI扩展挑战——并知道历史上，软件成本的50%或更多是维护，包括改进——使得效率成为我们的早期优先事项。所以我们开发了Tensor Processing Units (TPUs)，这是专门处理AI工作负载的专用芯片，包括生成AI，以大幅降低成本和更好的能源使用。成为稀缺的客户投资美元和有限的全球能源供应的伟大管家是所有现代组织的不容置疑的优先事项。 普及和访问 对许多人来说，首次接触生成AI可能是在产品中，如一个将旧数据库转换为新的、更强大的产品的工具，一个帮助管理工作生活的助手，或一个提供高质量医疗问题答案的机器人。这些都依赖于一种新的计算范式，它使用来自更多来源的更多数据，以更灵活的方式。例如，医院账单中的信息可能会被汇总以发现国家健康趋势，或重新利用以跟踪在不同位置提供服务所需的时间，发现护理短缺。 使用正确的基础模型和工具，即使是在人员和资源有限的组织中，也将可能实现这种事情。随着它变得普遍和无处不在，生成AI不再意味着一个模型，而是意味着一个有帮助的、可能是神奇的体验。 还有一个问题是确保生成AI对市场上的每个人都是可访问和有用的，而不仅仅是几个巨头。工具和平台需要允许任何人高效、负责任地开始使用AI，并且这些应该容易找到和表面化。一些界线将变得模糊，包括更无缝地在基于网络的实验环境和具有强大安全性和保证的健壮、平台支持的环境之间转移。 变成根据每个企业的需求和文化定制的产品，甚至适应个别员工和客户。用企业自有数据来打磨和调整大型语言模型（LLM），使公司内部的背景知识和智慧能够提升模型的性能。引入“参数高效微调”技术将使这种定制对更广泛的组织来说更加现实。 我们将看到在提升模型输出方面的迅速进步，如精馏、集成和联合（所有新兴的方式），以及将开发工作开放给更广泛员工的新创作工具。在高度监管的行业，如金融和医疗保健，组织可能会采取比游戏和媒体等行业更为谨慎的方法。 信任与安全 支撑生成AI颠覆的将是对负责任提供商的基本人类和组织信任需求。上面提到的医疗保健例子是一个激动人心的想法，但它强调了对普遍数据加密和AI增强安全性的需求，以便一次访问多个位置的数据，包括不同的云和本地系统，以及有效的成本监控。 我们最新的基于Gemini的生产力、威胁检测和响应进展使生成AI成为企业安全的前沿。如果说有什么，这强调了威胁不会消失，而且可能会获得自己的AI驱动能力。安全性也需要自己的生成AI工具，能够以全新的方式发现和解释威胁。我们的特定领域语言模型Sec-Palm 2，针对广泛的安全用例进行了培训，能够立即识别潜在的恶意脚本，并向团队报告活跃威胁。 就像个人根据与以前的经验相比较来决定是否信任他们所看到、听到和阅读的内容一样，组织也将开始索引他们所知道的。然后，他们可以使知识和数据在创造体验、效率和差异化方面变得更加容易获得和有用，这些差异化作为他们辛苦赢得的可信度的可靠延伸。 2024年开始 我们现在正处于人机交互的一个非凡新阶段。它变得越来越强大，同时也变得更容易使用，无论是对于个人开发者还是企业。远非结束工作，我们相信它将对人类的创造力、合作和发明提出新的需求，与当今世界面临的挑战相称。 在未来一年及以后，我们将看到生成AI变得更加有用，围绕它是如何工作、成本是多少以及如何最好地部署它们以创造突破性体验的透明度更大。通过这种方式，炒作将让位于真正的价值和愉悦。 许多企业已经开始，其他企业正在寻求与AI接触。学习的方式有很多，从视频概述和行业基础知识到培训教程或课程和认证。参与可以很简单，就像尝试一个即开即用的解决方案来促进合作或改善呼叫中心的性能。一旦您和您的组织看到开始是多么容易，我相信您的创造力将解锁更多用例和体验，推动我们所有人的发展。