人工智能
如何让生成式 AI 增加知识工作者的生产力
最新的科技进步以人工智能（AI）、机器人、区块链和可编程生物学等领域为引领。这些技术正在从宏观和微观层面上革新零售、汽车、金融、制造业等许多行业。
特别是生成式 AI，它正在改变知识工作者的生活和日常任务。知识工作者是指具有正式教育和培训的专业人士，例如程序员、设计师、工程师和作家。生成式 AI 已经提高了这些知识工作者的生产力。
但是，什么是生成式 AI，它又如何对知识工作者至关重要呢？让我们进一步探索这个想法！
什么是生成式 AI？
生成式 AI 使用 AI 算法根据人类编写的提示自动创建新内容，例如文本、视频、音频和图像。
一些最著名的 AI 生成工具和产品包括：
- ChatGPT – 由 OpenAI 开发，ChatGPT 是一种智能 AI 聊天机器人，可以根据用户提示提供极其详细和个性化的响应。
- DALL-E 2、Stable Diffusion 和 Midjourney – 这些是 AI 驱动的图像生成工具。
- Meta – 这是一个 AI 驱动的视频生成工具，允许用户根据文本提示生成视频。
- Codex – 它使程序员能够在几秒钟内生成多种编程语言的代码。
现在，让我们看看生成式 AI 如何影响知识工作者！
了解生成式 AI 如何提高不同领域知识工作者的生产力
根据 ARK 的 2023 年大想法报告，预计到 2030 年，AI 将使知识工作者的生产力增加四倍以上。该报告还指出，如果实现 100% 的采用，AI 可能会带来大约 200 万亿美元的劳动生产力，而总的 AI 投入仅为 31 万亿美元。如果供应商能够从他们的 AI 产品中提取出仅 10% 的价值，他们就可以收集到大约 14 万亿美元的收入和 90 万亿美元的企业价值。
AI 市场预测 2030。来源：ARK 的 2023 年大想法
让我们详细看看 AI 生成工具如何提高内容作者、开发人员和艺术家的生产力。
1. 知识工作者：内容作者和编辑
现代企业需要经过深入研究和精心制作的内容来吸引观众。这就是生成式 AI 使内容作者和编辑的工作变得更容易的地方。
随着像 ChatGPT 这样的智能聊天机器人的出现，内容创作变得越来越容易和经济。根据 ARK 的 2023 年大想法 报告，ChatGPT 的每个查询推理成本约为 0.01 美元（2022 年）。对于 10 亿个查询，总的推理成本将达到 1 亿美元。到 2030 年，这个成本预计将降至仅 650 美元，基于 赖特法则。
这种成本的下降将使 AI 内容工具得到大规模采用。例如，到 2030 年，ChatGPT 风格的应用程序预计将达到与 Google 搜索相同的规模，并每天处理 85 亿次搜索。因此，内容领域的知识工作者将更容易在日常任务中利用生成式 AI。
2. 知识工作者：软件工程师和开发人员
考虑到复杂而漫长的软件开发周期，管理和部署软件需要一支专门的、熟练的开发人员和程序员团队。生成式 AI 编码工具，如 Codex 和 Copilot，使软件开发对于知识工作者来说变得更容易和更高效。
事实上，ARK 的 2023 年大想法 报告指出，AI 编码助手可以将完成编码任务的时间减半。到 2030 年，AI 编码助手可能会将软件工程师的产出增加 10 倍。
完成编码任务的时间。来源：ARK 的 2023 年大想法
3. 知识工作者：视觉艺术家和设计师
另一个知识工作者群体被归类为艺术家和设计师，他们的任务通常包括使用设计工具如 Adobe Photoshop、Illustrator 和 Canva 创建视觉概念、图形、插图和创意 UI，以提供丰富的用户体验。
有了开创性的 生成图像模型，如 DALL-E2、Stable Diffusion 和 Midjourney，设计师的生产力已经大大提高。例如，人类在 5 小时内创建的图形设计，成本为 150 美元，现在可以使用生成图像模型在不到 1 分钟内以 8 美分的成本创建。
4. 知识工作者：音乐家和音频工程师
生成式 AI 使得创作和混合音乐曲目变得更加容易。例如，Google 的 AudioLM 是一个生成音频模型，可以产生真实的钢琴音乐并完成不完整的声学音调。Google 还开发了一个名为 MusicLM 的音乐生成模型，可以根据文本描述生成美丽的旋律。
2020 年，Open AI 推出了一个类似的音乐生成工具，称为 Jukebox，可以根据流派、艺术家和歌词作为输入生成新的音乐样本。之前，Open AI 还发布了一个基于 GPT-2 的 MuseNet 模型，可以使用 10 种乐器生成 4 分钟的音乐作品。
虽然生成音频模型仍处于初期阶段，但随着更好的生成式 AI 音乐工具的出现，音乐家和音频工程师的生产力将会每年增加。
5. 知识工作者：YouTuber 和视频内容创作者
视频内容正在蓬勃发展。2022 年，大约有 5100 万 个 YouTube 频道。视频内容的制作涉及几个阶段，包括录制、编辑、添加插图和声音，以及前期和后期制作。
生成式 AI 视频平台正在使视频内容生成对于知识工作者来说变得更容易。像 Synthesia.io 和 Pictory 这样的工具正在使视频生成对于视频营销人员和品牌专家来说变得更容易。这些最先进的 AI 平台允许内容创作者从脚本中创建视频。他们可以添加一个旁白和一个视频背景，以使这些脚本看起来像专业的视频。
2022 年 9 月，Meta AI 发布了 Make-A-Video 平台，可以根据文本提示生成高质量的视频。它是在公开可用的数据集上训练的，以学习视频模式。它可以创建独特的视频，充满颜色、角色和风景。
在短时间内创建更多高质量的内容将提高 YouTuber 和视频内容创作者的生产力。
生成式 AI 的优缺点
让我们看看生成式 AI 为知识工作者带来的各种优点和缺点。
生成式 AI 的优点
- 合成数据生成：训练创新 AI 模型需要大量数据集，生成式 AI 可以解决这个问题。据报道，到 2025 年，生成式 AI 将占所有数据生产的 10%，而 2023 年仅为 1%。因此，数据科学家和 AI 专家将不再面临与数据收集相关的挑战。
- 低成本：Gartner 预测，到 2024 年，约 50% 的低代码/无代码开发平台将提供“文本到代码”的功能。这对于开发人员来说意味着最少的努力和成本就能实现更多功能。
生成式 AI 的缺点
- 合成内容检测：虽然生成式 AI 提高了生产力，但检测生成式 AI 内容和将其与真实内容区分开来的问题将成为一个严重的问题，特别是在研究和学术领域。到 2024 年，欧盟将通过立法要求“水印”AI 生成的文物。
- 失业：如果生成式 AI 变得“太”智能，开发人员可能会面临失业。Gartner 预测，到 2025 年，20% 的程序化代码专业人员将需要获得新技能，因为生成式 AI 将接管他们的核心技能。
构建生成式 AI 模型的成本
生成式 AI 是 AI 中最具创新性的分支。目前，训练生成式 AI 模型的成本很高，但正在逐渐降低。例如，估计 训练 GPT-3 的成本为 460 万美元（2020 年）。到 2022 年，这个成本已经降至 45 万美元。
训练 GPT-3 的成本。来源：ARK 的 2023 年大想法
ARK 的 2023 年大想法 报告预测，到 2030 年，具有 57 倍于 GPT-3 参数（1750 亿参数）的 AI 模型可以以仅 6 万美元的成本进行训练。这将主要是由于训练 AI 模型的成本大幅降低。赖特法则表明，AI 相对计算单元（RCU）生产成本和软件成本应该每年降低 57% 和 47%，从而使训练成本每年降低 70%，直到 2030 年。
AI 训练硬件成本。来源：ARK 的 2023 年大想法
请在 unite.ai 上随时了解所有颠覆性 AI 技术的最新信息。
