国际快递 · 清关 · 代拍

海外古董 · 艺术品 · 名画 · 名表

【FuninUSA.NET综合报道】虽然高管和经理们可能会对如何将生成式人工智能（AI）和大型语言模型（LLM）应用到手头的工作中感到兴奋，但现在是时候退一步考虑在哪些方面以及如何实现业务回报了。这仍然是一个混乱和被误解的领域，需要的方法和技能组合与过去的技术浪潮几乎没有相似之处。

凯捷公司（Capgemini）执行副总裁史蒂夫-琼斯（Steve Jones）在最近于旧金山举行的 Databricks 会议上发表演讲时表示，挑战在于：虽然人工智能经常提供令人瞠目的概念验证，但将其货币化却很困难。“证明投资回报率是将 20、30、40个GenAI解决方案投入生产所面临的最大挑战。”

需要进行的投资包括测试和监控投入生产的LLM。测试对于保持LLM的准确性和正常运行尤为重要。“你想有点邪恶地测试这些模型，”琼斯建议道。例如，在测试阶段，开发人员、设计人员或质量保证专家应该故意“毒害”他们的 LLM，看看他们处理错误信息的能力如何。

为了测试负输出，琼斯举了一个例子：他提示一个商业模式，一家公司正在“使用龙进行长途运输”。模型做出了肯定的回答。然后，他向模型询问有关长途运输的信息。

琼斯说：“它给出的答案是，这是你从事长途运输需要做的事情，因为正如你已经告诉我的那样，你将广泛地与龙一起工作，那么你需要接受广泛的消防和安全培训。”你还需要接受公主礼仪培训，因为龙的工作需要与公主打交道。然后还有一堆涉及运输和仓储的标准内容，这些都是从其他解决方案中抽出来的。

琼斯继续说，问题的关键在于，“生成式人工智能”是一种从未有过的技术，在现有应用程序中糟糕地添加一项技术，并假装自己做得很好。生成式人工智能是一项了不起的技术，它可以为应用程序添加一些功能，但从安全和生产风险的角度来看，它确实非常糟糕。

在成为主流应用之前，生成式人工智能还需要两到五年的时间，与其他技术相比，这已经是非常快的速度了。琼斯说：“你面临的挑战将是如何跟上步伐。目前有两种情况：第一种情况是，它将成为一个巨大的模型，无所不知，不会出现任何问题。这就是所谓的疯狂乐观--不会发生理论”。

琼斯说：“现在的情况是，每一个供应商、每一个软件平台、每一个云计算平台，都希望通过激烈的竞争成为这个市场的一部分。”琼斯说：“这意味着你将会有很多很多的竞争，很多很多的变化。你不必担心多云基础设施和必须支持多云基础设施的问题，但你必须考虑到防护栏等问题。”

琼斯说，另一个风险是将LLM应用于需要的能力和分析少得多的任务，比如地址匹配。“如果你什么都用一个大模型，基本上就是在烧钱。这就相当于去找一个律师说，我想让你帮我写一张生日贺卡。他们会帮你写的，而且会向你收取律师费。”

他敦促说，关键是要警惕以更便宜、更高效的方式利用法律硕士。“如果出了问题，你需要有能力以最快的速度停止使用解决方案。而且，你需要确保与之相关的所有工件都能与模型同步投入使用”。

“不存在只部署一个模型的情况--人工智能用户应针对多个模型进行查询，以衡量响应的性能和质量。”琼斯继续说：“你应该有一种通用的方法来捕捉所有指标，针对不同的模型重放查询。”如果有人在查询 GPT-4 Turbo，你就想看看同样的查询在 Llama 上的表现如何。你应该能够建立一种机制，重放这些查询和响应，并比较性能指标，这样你就能了解是否能以更便宜的方式完成查询。因为这些模型是不断更新的。

他补充说，生成式人工智能“不会以正常的方式出错”。他补充说：“生成式人工智能不会以正常的方式出错，GenAI会让你在输入发票时说，太棒了，这是一篇关于安德鲁-杰克逊总统的4000字的文章。因为我认为这就是你的意思。你需要有防护栏来防止这种情况发生”。

欢迎到FuninUSA.NET论坛讨论