生成式人工智能如何提高知识工作者的生产力

最新的创新技术进步由人工智能（AI）、机器人、区块链和可编程生物学等领域领导。这些技术正在革新零售、汽车、金融、制造业等行业的宏观和微观层面。

人工智能，特别是生成式人工智能，正在改变知识工作者的生活方式和日常任务。知识工作者是指具有正式教育和培训的专业人员，例如程序员、设计师、工程师和作家。生成式人工智能已经提高了这些领域的知识工作者的生产力。

但是，生成式人工智能到底是什么，它为什么对知识工作者至关重要？让我们进一步探讨这个想法！

什么是生成式人工智能？

生成式人工智能使用人工智能算法根据人类编写的提示自动创建新内容，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非常详细和个性化的响应。
• DALL-E 2, Stable Diffusion, & 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，让我们看看生成式人工智能如何影响知识工作者！

了解生成式人工智能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，人工智能预计到2030年将使知识工作者的生产力提高4倍以上。该报告还表明，如果100%采用，人工智能可能会带来大约200万亿美元的劳动生产率，总人工智能支出为31万亿美元。如果供应商能够提取出他们的AI产品创造的价值的10%，他们可以在2030年收集近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生成工具如何为内容作者、开发人员和艺术家提高生产力。

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受众。这就是生成式人工智能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的每次查询推理成本约为2022年的0.01美元。对于10亿次查询，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650美元，基于赖特法则。

这样的成本下降将使AI内容工具得到大规模采用。例如，到2030年，类似ChatGPT的应用程序预计将达到谷歌搜索的规模，处理每天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人工智能。

2. 知识工作者：软件工程师和开发人员

鉴于软件开发周期的复杂性和长度，管理和部署软件需要一支专门的、有技能的开发人员和程序员团队。生成式人工智能编码工具，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提高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。

有了开创性的生成式图像模型，如DALL-E2、Stable Diffusion和Midjourney，设计师的生产力大大提高。例如，人类在5小时内创作的图形设计，成本为150美元，现在可以使用生成式图像模型在不到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

生成式人工智能使得创作和混合音乐曲目变得更容易。例如，Google的AudioLM是一种生成式音频模型，可以生成现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，它可以根据流派、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。

虽然生成式音频模型仍处于初期阶段，但随着更好的生成式人工智能音乐工具的出现，音乐家和音频工程师的生产力提高的空间将会不断增长。

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，以及预生产和后期制作。

生成式人工智能视频平台使视频内容创作对于知识工作者来说变得更容易。像Synthesia.io和Pictory这样的工具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根据脚本创建视频。他们可以添加一个旁白和一个视频背景来创建专业外观的视频，基于这些脚本。

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片段。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。

生成式人工智能对知识工作者的优缺点

让我们看看生成式人工智能为知识工作者带来的各种好处和缺点。

生成式人工智能对知识工作者的优点

1. 合成数据生成：训练创新的人工智能模型需要大量的数据集，生成式人工智能可以解决这个问题。据报道，生成式人工智能将占2025年生产的所有数据的10%，而2023年为1%。因此，数据科学家和人工智能专家将不必面临与数据收集相关的挑战。
2. 低成本：Gartner预测，到2024年，低代码/无代码开发平台中将有大约50%提供“文本到代码”功能。对于开发人员来说，这意味着最少的努力和成本就能实现更多功能。

生成式人工智能对知识工作者的缺点

1. 合成内容检测：虽然生成式人工智能提高了生产力，但检测生成式人工智能内容并将其与真实内容区分开来的问题将成为研究和学术界的一大担忧。到2024年，欧盟将通过立法要求对AI生成的文物进行“水印”标记。
2. 失业：如果生成式人工智能变得“太”智能，开发人员可能会面临失业。Gartner预测，到2025年，20%的程序员将需要获得新技能，因为生成式人工智能将接管他们的核心技能。

构建生成式人工智能模型的成本

生成式人工智能是人工智能中最具创新性的分支。目前，训练生成式人工智能模型的成本很高，但正在逐渐降低。例如，估计2020年训练GPT-3的成本为460万美元。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

根据ARK的2023年大想法报告，到2030年，具有1750亿参数的AI模型（比GPT-3多57倍）可能只需花费60万美元即可训练。这将主要是由于训练AI模型的成本降低。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分别降低57%和47%，从而导致训练成本每年降低70%。

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。