生成式人工智能在物联网中的地位如何?
- 来源:千家网
- 2023/3/29 11:39:3432432
【智慧城市网 媒体导读】生成式人工智能,是一组机器学习模型,经过训练可以根据提示猜测下一组单词或正确的图像来创建。
生成式人工智能在物联网中的地位如何?
近期,主流媒体都十分担心Alexa、Siri和Google的数字助理。这是因为,到目前为止,这些产品还没有使用生成式人工智能。生成式人工智能,是一组机器学习模型,经过训练可以根据提示猜测下一组单词或正确的图像来创建。DALL-E、Stable Diffusion和Midjourney在图像生成方面很受欢迎,并于2021年初问世。但最新的炒作是围绕大型语言模型,特别是OpenAI创建的ChatGPT。当有人输入提示和风格建议时,结果可以轻松阅读并提供实际信息或信息假象。
所有的设备都是令人兴奋的,并将对工作完成、创建内容以及建立业务的方式产生重大影响。但,人们担心生成式人工智能的准确性。使用生成式人工智能进行轻松宣传、诈骗和其他恶意行为的能力,我们仍然必须应对这些问题,而不是简单地盲目地接受生成式人工智能是改变世界的技术。
也就是说,目前我们正处于技术专家盲目相信生成式人工智能的阶段,包括向试验用例和新模型的企业投入数十亿美元的投资。我们还处于这样一个阶段:媒体成员花费数小时试图欺骗这些模型,使其行为不端,或者试图证明人工智能是有感知力的,并且可能对我们怀有敌意。
但这不是本文的重点。本文的重点是关注生成式人工智能将对物联网的部署和使用方式产生重大影响的领域。例如,我们可以在哪里使用它来改善用户体验?它可以帮助或接管哪些类型的工作?除了文字和图像,还有哪些其他生成式人工智能模型有助于物联网?
从智能家居开始。与其将Amazon Alexa与聊天机器人混淆,不如说它和其他数字助理将继续使用自然语言处理(NLP)来“理解”,然后对各种基于任务的请求采取行动,例如“开灯”或“早上好”以启动唤醒程序,同时还添加了GPT样式的聊天机器人来处理需要更深入交流的请求。
一个好的数字助理不会只有一个或两个模型,而是由任何版本的模型组成,为用户提供最实用的功能。还有经济方面的担忧。呼叫聊天机器人可能会产生费用,这需要不同的商业模式,而且并不是每个人都愿意付费订阅。
此外,我们很快会看到聊天机器人式的生成式AI模型在家庭中得到应用。近期Home Assistant的创始人Paulus Schoutsen演示了如何使用HomePod访问GPT风格的聊天机器人来给其孩子讲故事。
事实上,将已经成为数字助理一部分的NLP与生成式AI模型结合使用的效用对于SoundHound来说是显而易见的,它正在引入一个将语音助手与生成式AI相结合的平台。所以ChatGPT不会取代Alexa,但它可能最终会成为Alexa的一部分,以Alexa为界面,而ChatGPT只是它提供的众多服务之一。
ChatGPT或生成式AI模型将产生影响的其他智能家居领域包括儿童玩具、健身服务、食谱或活动建议。这是因为生成式人工智能实际上只是为日常物品添加连接和感知的另一个原因,可以提供个性化的训练数据,或充当此类服务的管道。
在企业方面,使用生成式AI帮助业务人员无需编码即可实施数字解决方案具有明显的实用性。一个例子是Software AG如何将其Web Methods云到云集成平台与生成式AI模型相结合,以帮助员工弄清楚如何链接数据和各种数字服务。最终,随着在建筑物、生产线、商业厨房等中连接更多的东西,使用简单的书面语言告知连接设备如何与连接的业务软件一起工作将帮助管理人员变得更有效率和能力。
在工业环境中,ChatGPT的前景伴随着引人注目的用例和注意事项。一些人支持将生成式人工智能用于预测性维护等方面。生成式AI模型的工作原理是通过对大量数据进行训练,然后生成最有可能的下一个元素。因此,在大型语言模型中,生成式AI模型正在对大量文本进行训练,并生成模型认为最有可能出现的下一个单词或短语。
据推测,有了足够的机器数据,模型可以决定下一步应该做什么,并在预期结果不正确时发送警报。但老实说,这感觉有点矫枉过正,因为传统的异常检测非常适合预测性维护,且成本要低得多。生成式人工智能可能变得有趣的地方是通过获取流程数据并建议替代工作流程,或者通过使用书面语言来描述工作流程并让人工智能为某人编码。
但也有需要注意的地方。这些模型仅与其训练数据一样好,在某些情况下可能会产生错误的答案,但可以写得很好,以至于很难确定其是否错误。
考虑到围绕生成式AI的知识产*争,最后一个担忧“感觉”会成为一个问题。但实际上,对训练数据的实际来源设置限制相对简单——即使基于专有数据构建的模型部署在预期工厂或企业之外。
关于生成式AI模型的创建方式及其工作方式的时间和教育将解决一些IP问题。由于进入这个周期仅几个月,相信未来将看到生成式AI变得与计算机视觉和NLP一样重要,并被接受。