News

新闻活动

AI 推动生产力提升:生成式 AI 引领各行各业迈向高效新时代

发布时间:2023-08-21 16:00

2022 年 11 月 22 日是一个历史性时刻,给各行各业带来了震撼和影响。

微信图片_20230822105135.jpg

那一天,OpenAI 发布了AI 聊天机器人 ChatGPT,这引发了对生成式 AI 应用的需求。这些应用可以帮助企业提高效率,从为消费者解答问题,到加速研究人员进行开创性的科学研究等等。



之前只是涉足 AI 的企业现在正争相采纳和部署最新的应用。生成式 AI 能够使用算法创建全新的文本、图像、声音、动画、3D 模型,甚至是计算机代码,正在以惊人的速度发展,极大改变人们的工作和娱乐方式。



通过使用大语言模型(LLMs)来处理查询,这项技术可以显著减少人们用于搜索和编译信息等手动任务上的时间。



普华永道(PwC)预测,到 2030 年,AI 将为全球经济贡献超过 15 万亿美元。由此可见,其回报十分丰厚。而且,AI 所带来的影响可能比互联网、移动宽带和智能手机的发明加起来还要大。


驱动生成式 AI 的“引擎”是加速计算。它使用 GPU、DPU 和网络以及 CPU 来加速科学、分析、工程以及消费者和企业用例中的应用。


各行业的早期采用者——从药物研发、金融服务、零售和电信到能源、高等教育和公共部门——正在将加速计算与生成式 AI 相结合,以改变业务运营、服务和生产力。


生成式 AI 在药物研发领域的应用


如今,放射科医师使用 AI 来检测医学影像中的异常情况,医生使用 AI 扫描电子病历以了解患者的病情,研究人员则使用 AI 来加速新药研发。


传统的药物研发是一个资源密集型过程,往往需要合成超过 5000 种化合物,但平均成功率仅为 10%。而且,大多数候选新药需要十多年才能进入市场。


现在,研究人员正在使用生成式 AI 模型读取蛋白质的氨基酸序列,进而准确预测目标蛋白质的结构,所需要的时间从几周或几个月缩短到几秒。


全球领先的生物技术公司安进使用 NVIDIA BioNeMo 模型,将用于分子筛选和优化的自定义模型的训练时间从三个月缩短到几周。借助这种可训练的基础模型,科学家能够创建用于特定疾病研究的变体,从而开发出针对罕见病症的靶向治疗方法。


无论是预测蛋白质结构,还是在大规模的真实和模拟数据集上安全地训练算法,生成式 AI 和加速计算正在开拓新的研究领域,帮助减缓疾病传播、实现个性化医疗,提高患者的生存率。


生成式 AI 在金融服务行业的应用




NVIDIA 最近的一项调查显示,金融服务业中最热门的 AI 应用是客户服务和深度分析,自然语言处理与大语言模型被用于更好响应客户咨询和发现投资洞察。另一个常见的应用是推荐系统,为个性化银行业务体验、营销优化和投资指导提供支持。



先进的 AI 应用有望帮助银行业更好地防范欺诈,并且能够改变银行业的各个方面,从投资组合规划和风险管理到合规与自动化。



由于 80% 的业务相关信息为非结构化格式(主要是文本),因此这类信息成为了生成式 AI 的“首要目标”。彭博社每天发布 5000 篇与金融和投资界相关的报道。这些报道代表大量的非结构化市场数据,可用于及时做出投资决策。


NVIDIA、德意志银行、彭博社和其他公司正在创建使用特定领域和专有的数据进行训练的大语言模型,以为金融应用提供支持。


Financial Transformer,或称 Finformers,能够学习上下文并理解非结构化金融数据的含义。它们可以为问答聊天式机器人提供支持,总结、翻译金融文本、发出交易对手风险预警信号、快速检索数据并识别数据质量问题。



这些生成式 AI 工具依赖于可以将专有数据整合到模型训练和微调中的框架,整合数据管理以防止偏见,并使用护栏来确保对话始终与金融相关。


预计金融科技初创企业和大型跨国银行将扩大对大语言模型和生成式 AI 的使用,以开发先进的虚拟助手,为内部和外部利益相关方提供服务、创建超个性化的客户内容、自动汇总文档以减少手动工作,并分析 TB 级的公共和私人数据以生成投资见解。



生成式 AI 在零售行业的应用




60% 的购物旅程从网上开始,消费者的联系更为紧密,知识要丰富,因此 AI 已成为帮助零售商满足消费者不断变化的期望,从而在日益激烈的竞争中脱颖而出的重要工具。


零售商正在使用 AI 提升客户体验、实现动态化定价、细分客户、设计个性化推荐以及进行可视化搜索。


生成式 AI 可以在购物过程中的每一个环节为顾客和员工提供支持。


借助使用特定的品牌和产品数据进行训练的 AI 模型,他们可以生成强大的产品描述,进而提高搜索引擎优化排名,并帮助消费者找到他们正在寻找的产品。例如,生成式 AI 可以使用包含产品属性的元标签来生成更加全面的产品描述,包括“低糖”、“无麸质”等各种术语。


AI 虚拟助手可以检查企业资源规划系统并生成客户服务信息,通知消费者哪些商品有货、订单何时发货,甚至可以协助客户处理订单变更请求。


Fashable 是 NVIDIA 初创加速计划的会员。该公司正在使用生成式 AI 来创建虚拟服装设计,省去了产品开发过程中对实体面料的需求。通过使用专有和市场数据进行训练,可减少时尚设计对环境的影响,并帮助零售商根据当前市场趋势和喜好来设计服装。


零售商有望使用 AI 吸引顾客、留住顾客、提供出类拔萃的购物体验,并通过在合适的时机为消费者匹配正确的产品来提高收入。


生成式 AI 在电信行业的应用




NVIDIA 对电信行业所进行的一项调查显示,95% 的受访者表示他们正在使用 AI,而三分之二的受访者认为 AI 对其公司未来的成功至关重要。


无论是改善客户服务、优化网络运营与设计、为现场技术人员提供支持,还是创造新的盈利机会,生成式 AI 都有可能重塑电信行业。


电信公司可以使用网络设备和服务、性能、故障工单、现场勘测等方面的专有数据来训练诊断型 AI 模型。这些模型可以加速解决技术性能问题、提出网络设计方面的建议、检查网络配置的合规性、预测设备故障以及识别和应对安全威胁。


手持设备上的生成式 AI 应用程序可通过扫描设备、生成虚拟教程指导来为现场技术人员提供维修支持。虚拟教程还可以进一步与增强现实相结合,使技术人员能够在 3D 沉浸式环境中分析设备,或者向远程专家寻求支持。


电信公司也将迎来新的创收机遇。凭借庞大的边缘基础设施以及接入大量数据集,世界各地的电信公司现在正向企业和政府客户提供生成式 AI 服务。


随着生成式 AI 的发展,电信运营商有望使用该技术优化网络性能、改善客户支持、检测安全入侵并增强维护运营。


生成式 AI 在能源行业的应用




在能源行业,AI 正在推动预测性维护和资产优化、智能电网管理、可再生能源预测、电网安全等方面的发展。


能源运营商正盼望着通过生成式 AI 满足老化基础设施日益增长的数据需求和新出台的政府监管法规。


在美国,电力公司每年花费数十亿美元来检查、维护和升级发电和输电基础设施。


直到最近,使用视觉 AI 协助检查还需要使用成千上万张手动收集和标记的电网资产照片来训练算法,并且需要不断更新训练数据。现在,生成式 AI 可以胜任这一繁重任务。



利用一小组图像训练数据,算法就能生成数千张真实准确的图像,用于训练计算机视觉模型,从而帮助现场技术人员识别电网设备的腐蚀、破损、堵塞,甚至检测野火。这种主动维护可减少停机时间,提高电网的可靠性和弹性,并减少派遣团队进入现场的需求。



生成式 AI 还可以减少对人工研究和分析的需求。根据麦肯锡的统计数据,员工每天花在搜索信息上的时间长达 1.8 小时,占每周工作时间的近 20%。为了提高工作效率,能源公司可以使用专有数据来训练大语言模型,包括会议记录、 SAP 记录、电子邮件、现场******实践以及标准材料数据表等公共数据。


通过将这种类型的知识库连接到 AI 聊天机器人,工程师和数据科学家就能即时获得高度技术性的问题的答案。例如,一名维护工程师在解决涡轮机液压系统的叶片控制问题时,可以向机器人提问:“我应该如何调整液压压力或流量来解决 X 公司生产的某型涡轮机的叶片控制问题?”经过适当训练的模型会向用户提供具体的指导,用户无需翻阅厚重的手册来寻找答案。


随着 AI 在新系统设计、客户服务和自动化领域的应用,生成式 AI 预计将能够提高能源行业的安全性和能效,同时降低运营成本。



更多精彩内容