回顾AI的发展历程，我们见证过几次重大突破，比如2012年ImageNet大赛的图像识别，2016年AlphaGo与李世石的围棋对决，这些进展都为AI的普及应用铺设了道路。而ChatGPT的出现，真正让AI作为一个通用的产品，走入大众视野。
今年9月底，ChatGPT新增了语音聊天和图像识别功能。相较于文本驱动，现在ChatGPT已经可以「看见」、「听到」和「说话」。
回顾AI的发展历程，我们见证过几次重大突破，比如2012年ImageNet大赛的图像识别，2016年AlphaGo与李世石的围棋对决，这些进展都为AI的普及应用铺设了道路。而ChatGPT的出现，真正让AI作为一个通用的产品，走入大众视野。
“ChatGPT的出现，为人工智能的发展起到了很好的引领和促进作用。”天津市人工智能学会副理事长、天津科技大学人工智能学院教授杨巨成在接受采访时这样说道。
生成式AI，还得过几关
其实在六七十年前，人工智能的概念就已经萌芽，到今天，ChatGPT等生成式AI产品的出现似乎是历史的必然。杨巨成深谙这一趋势，他看到的不仅仅是一个产品的火爆，而是整个人工智能发展的大势所趋。
生成式AI可以生成文本、图像、视频、音频等多种形式的内容，虽然公开可用的时间不久，但已经被广泛的应用和尝试。
麦肯锡最近的一份报告《2023年AI现状：生成式AI的突破之年》显示：79%的受访者都接触过生成式AI，其中22%的受访者表示，他们经常在自己的工作中使用生成式AI，有1/3的受访者表示，他们所在的企业已经在至少一个业务职能上定期使用生成式AI。
杨巨成认为，我们正处于人工智能的黄金发展期，它不仅是全球关注的焦点，更是多国的战略高地。“生成式AI推动了人工智能产业发展和技术创新，促进行业资源的整合与协作，以及人工智能技术的应用和普及。”
在AI的风口浪尖，除了无限机遇，也伴随着一系列的挑战。杨巨成对此有着深入的洞察，并提出了针对性的解决方案：
数据的瓶颈：优质的数据是生成式AI的核心，但现实中，数据的质量和数量往往难以满足需求。
解决之道：构建数据中心和数据平台，推动数据的共享和互联，确保数据的质、量双提升。
技术标准的缺失：由于技术的复杂性，行业内缺乏统一的标准和规范，限制了更广泛的应用。
解决之道：联合 政府、行业组织、高校和专业机构共同制定AI相关的技术标准与规范。目前国内外已经逐步制定了一些管理政策和标准，如欧盟的〈一般数据保护条例〉GDPR和我国的《生成式人工智能服务管理暂行办法》等。近期，中国等28国、欧盟签署首个全球性AI声明《布莱切利宣言》。
伦理挑战：随着AIGC的应用，伦理问题如隐私泄露、对人类工作的影响等逐渐浮现。
解决之道：建立明确的技术应用、道德伦理机制，确保技术在道德的框架内合理使用。
人才短缺：AI领域的人才缺口显著，特别是那些战略性科学家和具有实战经验的高级人才。
解决之道：重视人才的培养和引进，如开展有组织的科研，开设AI专业课程、校企产学研合作，培养出真正能够应对实际问题的AI人才。
此外，正如我们所见，AI的安全性已经成为今年的焦点问题。今年5月，被誉为“人工智能之父”的Geoffrey Hinton离开谷歌，他对AI的安全性提出了严重的担忧，站在狂热的人工智能风暴中心为科技界敲响了警钟。
生成式人工智能（AIGC），虽然能够高效生成内容，但也可能带来误导，产生不准确的内容，进而助长虚假信息的传播。更为严重的是，AI技术可能被用于伪造、抄袭，侵犯他人权益。甚至，当AI的智慧超越人类，我们是否还能掌控这一切？
安全始终是第一位的。杨巨成强调，我们应加强安全技术研发，建立完善的数据安全和隐私保护机制，并提高算法的透明度。
在此之上，要让AI更可靠，具有普适性，还需解决技术成本、数据采集、算法可操作性等一系列实际问题。
深入垂直行业，抓AIGC场景
可喜的是，着眼当下，生成式AI技术已经在多个行业逐步展现出了巨大的潜力。
金融业，一直以来都是由数据驱动的行业，也是最早拥抱前沿技术的行业。金融机构可以应用AIGC更精准地预测和防范风险，识别欺诈行为，为客户提供个性化服务等。金融，很有可能成为AIGC落地的“试验田”。
在零售业，零售商可以应用AIGC深入分析消费者的购买能力、产品需求，作为决策支持，增强管理效率和精准营销能力。
在制造业，制造商可以应用AIGC预测设备故障和生产问题来优化制造过程，减少生产成本，提升效率和产品质量，降低出错率。
在医疗业，医生可以应用AIGC实现疾病快速诊断、精准治疗、医药研发、疾病预测管理，以及疾病流行趋势预测等。
而最为直接、也是目前最先落地的应用场景，要数智能客服。智能客服可以实现自动问答、快速响应、精准服务等。杨巨成举例说，在某些电商平台用智能客服处理客户的问题和投诉，提供精准的服务，不仅能提升客户满意度，还减轻了员工的压力。
但鉴于当下百模大战的局势，企业如何选择最适合自己的AI大模型？杨巨成指出了五大考量因素：平台的稳定性、技术框架的支持、运营速度、安全性以及知识产权保护。
更进一步地，要推动生成式AI市场化，除了企业，还需要社会各方共同推动。企业自身要增强技术创新意识，加大资金和人才投入，重视商业转化，确保研发成果能够转化为实际的产业价值，业内校企产学研的合作需要进一步加强，政府层面也应加强引导，为企业提供金融、税收等政策支持。
对于生成式AI未来的发展趋势和前景，杨巨成认为，有四个方向值得关注。
- 一是个性化AI，满足用户个性化需求，如智能音箱、智能家居、智能助理、定制化的服务等。
- 二是自主AI，具有智慧性，可以适应复杂环境，并自主进行决策，如自动驾驶、无人机等。
- 三是联邦AI，可以实现AI算法在可信环境下的分布式训练，满足隐私保护的需求。
- 四是AI的交互与协作，不同人工智能系统需要交互与协作，比如不同的语音助手、不同的驾驶车辆之间的交互和协调。
最后，聊到AI领域最近让他印象深刻的应用场景，他说“虚拟数字人让我印象很深刻，它们可以代替真人做各种任务，如新闻播报、直播主持、教育培训、影视娱乐等。还可以定制各种个性化的服务，而且现在的虚拟人也越来越逼真，越来越智能，未来的应用会越来越广。”
