還(hái)有人不知道(dào)ChatGPT是什麼(me)？一篇文章讓你讀懂

據IDC預測，2023年全球企業在人工智能(néng)方面(miàn)的支出將(jiāng)突破5000億美元，人工智能(néng)的廣泛普及將(jiāng)繼續重塑各個行業乃至全球。這(zhè)場技術革命已經(jīng)影響到世界各地，各行各業都(dōu)在實施數字化轉型。

那麼(me)，生成(chéng)式 AI 是如何深度賦能(néng)傳統行業的呢？在産業鏈中又有哪些新的發(fā)展趨勢？

丁磊博士在新書《生成(chéng)式人工智能(néng)》中，總結出四大發(fā)展趨勢：

生成(chéng)式 AI 應用勢必將(jiāng)在醫療和生命科學(xué)領域發(fā)揮更加重要的作用

AI 已經(jīng)在醫療領域廣泛應用，在輔助問診、制訂治療方案、藥物研發(fā)等方面(miàn)均發(fā)揮著(zhe)重要作用，并且發(fā)展十分迅速。尤其在ChatGPT 問世後(hòu)，其爲醫療問診帶來了更大的便利，從互動形式、反饋内容到準确率和效率都(dōu)有大幅提升。

随著(zhe)生成(chéng)式 AI 技術的發(fā)展，AI 不僅可以用于輔助問診，甚至可以更深度地用于藥物設計，輝瑞、強生等國(guó)際大型制藥公司也均嘗試通過(guò) AI 研發(fā)藥物，使用生成(chéng)式 AI 設計針對(duì)特定疾病的蛋白質模型，有些藥物已經(jīng)進(jìn)入臨床試驗。這(zhè)也實現了生成(chéng)式 AI 設計從宏觀到微觀分子層面(miàn)的過(guò)渡。

藥物研發(fā)包括藥物發(fā)現、臨床前研究和臨床試驗三個階段，往往耗時漫長(cháng)且需要巨大的資金投入。藥物發(fā)現包括識别和選擇藥物靶點、發(fā)現或者設計先導化合物、優化先導化合物、選擇候選藥物等流程，難點在于靶點的發(fā)現和化合物設計，這(zhè)也是藥物設計的關鍵。生成(chéng)式 AI 的出現，颠覆了傳統藥物研發(fā)進(jìn)程。通過(guò)大量的數據測算，生成(chéng)式 AI 可以快速識别藥物靶點，然後(hòu)從數據庫中匹配合适分子，進(jìn)而完成(chéng)化合物的設計、預測藥物代謝性質和理化性質、分析藥物對(duì)人體的作用等等工作，幫助縮短藥物研發(fā)周期，減少研發(fā)投入，提升研發(fā)效率。

生成(chéng)式 AI 在這(zhè)方面(miàn)具有天然優勢，不僅可以通過(guò)機器學(xué)習模型進(jìn)行大量數據的挖掘和計算，幫助迅速發(fā)現藥物靶點，提高找到靶點的概率，而且能(néng)夠計算出蛋白質折疊模式的最佳方案，進(jìn)行蛋白質 3D 結構設計，甚至可以突破人類的固化思維和認知局限，生成(chéng)人類此前未曾考慮過(guò)的新方案，預測、設計并生成(chéng)全新的蛋白質，給出新的藥物設計方案。

目前，生成(chéng)式 AI 在蛋白質的設計和改造方面(miàn)已取得了實質性進(jìn)展，能(néng)夠通過(guò)對(duì)蛋白質進(jìn)行設計和建模，實現蛋白質的改造和進(jìn)化。

Salesforce Research、合成(chéng)生物學(xué)公司 Tierra Biosciences 和加州大學(xué)的研究團隊共同研發(fā)的新型人工智能(néng)系統 ProGen 就能(néng)夠從零開(kāi)始進(jìn)行蛋白質生成(chéng)，并且其生成(chéng)的蛋白質具有很強的多樣(yàng)性。ProGen 生成(chéng)的人工溶菌酶，雖然與天然溶菌酶蛋白質序列的一緻性僅爲 31.4%，但是具有相似的活性，催化效果得到了驗證，這(zhè)首次打破了 AI 預測和實驗之間的壁壘。

英偉達的雲服務産品 BioNeMo，能(néng)夠用于生成(chéng)、預測和理解生物分子數據，加速藥物研發(fā)過(guò)程中最耗時耗财階段的完成(chéng)，其中就包括加速蛋白質的創造。該雲服務産品依據專有數據通過(guò)生成(chéng)式 AI 設計生成(chéng)蛋白質結構，輔助研發(fā)出最佳候選藥物。用戶可以通過(guò)浏覽器界面(miàn)使用 AI 模型進(jìn)行交互式推理和實驗，确定蛋白質結構并進(jìn)行可視化呈現，極大地加快藥物研發(fā)設計的流程。

圖片來源：Yan A. Ivanenkov, et al, “Chemistry42: An AI-based Platform for De Novo Molecular Design”

圖 4—8 Chemistry42 用于配置基于結構的藥物設計生成(chéng)實驗的界面(miàn)

生成(chéng)式 AI 在分子的生成(chéng)和設計方面(miàn)，不僅限于蛋白質這(zhè)樣(yàng)的大分子，在小分子領域也已有相關應用落地。2020 年，人工智能(néng)制藥公司英矽智能(néng)（Insilico Medicine）推出了分子生成(chéng)和設計平台Chemistry42（圖 4—8），通過(guò)前沿算法模型，實現從零開(kāi)始設計新穎分子，持續對(duì)生成(chéng)的分子結構進(jìn)行評估，并在生成(chéng)式 AI 的輔助下進(jìn)行藥效、代謝穩定性、合成(chéng)難度等多維度評分和優化。2023 年 2 月，英矽智能(néng)宣布其新冠小分子藥物 ISM3312 正式獲批進(jìn)入臨床試驗階段，該藥物是冠狀病毒複制所必需的 3CL 蛋白酶的小分子抑制劑，正是在 Chemistry42 平台設計的分子結構基礎上優化而來的，這(zhè)是英矽智能(néng)第二款使用生成(chéng)式 AI 設計的小分子藥物，也是全球首款獲批進(jìn)入臨床試驗階段的 AI 設計的新冠口服藥。正是因爲生成(chéng)式 AI 的參與，ISM3312 藥物具有新穎的結合方式和分子骨架，與其他 3CL蛋白酶抑制劑相比具有不同的作用機制和潛在的差異化優勢，展示了生成(chéng)式 AI 在藥物設計方面(miàn)的巨大能(néng)力。

生成(chéng)式 AI 在藥物設計領域的應用是 AI 生成(chéng)設計能(néng)力從宏觀到微觀的延伸，但是由于基礎數據和設計精細度的局限，AI 尚不能(néng)承擔藥物設計的全部流程，從設計到成(chéng)藥依舊困難重重。盡管如此，通過(guò)大數據和大模型，生成(chéng)式 AI 在藥物設計方面(miàn)已經(jīng)提供了很好(hǎo)的助力，随著(zhe)模型的發(fā)展和數據的積累，生成(chéng)式 AI 應用勢必將(jiāng)在醫療和生命科學(xué)領域發(fā)揮更加重要的作用。

生成(chéng)式 AI 能(néng)夠更加準确、快速地賦能(néng)需求預測

因爲供應鏈管理應該以市場需求爲導向(xiàng)，而需求預測能(néng)夠在一定程度上體現出市場需要何種(zhǒng)商品以及需求量是多少，所以需求預測是所有供應鏈計劃的基礎和核心。需求預測也是每個企業都(dōu)應該高度關注的問題，隻有做準了需求預測，才能(néng)實現其與供應鏈的完美共舞。

傳統的需求預測一般采用征集銷售人員或專家意見的方式來預測市場的需求量，或是采用基礎統計的方法，這(zhè)些方法不僅工作量大、成(chéng)本高，而且預測的準确度也不高。人工智能(néng)的需求預測和傳統需求預測的區别在于人工智能(néng)預測會基于更多數據維度，這(zhè)些數據維度整合在一起(qǐ)，可以幫助人工智能(néng)時間序列模型進(jìn)行需求預測，測算出在未來一段時間内商品的需求情況。

在零售場景中，人工智能(néng)可以更準确地預測商品的需求。基于人工智能(néng)的需求預測，對(duì)未來兩(liǎng)周預測的準确率能(néng)夠達到 75%~85%。相比而言，運用傳統策略加上人工經(jīng)驗的方法，需求預測的準确率一般最高隻有 70%。同時，基于人工智能(néng)的需求預測也可以顯著地降低庫存周轉天數，實現相應的效益提升。例如，生鮮品牌通過(guò)人工智能(néng)需求預測可以優化庫存管理、減少生鮮損耗、降低經(jīng)營風險。

圖 4—17 AI 需求預測值和實際值對(duì)比

随著(zhe)人工智能(néng)技術的發(fā)展，生成(chéng)式 AI 能(néng)夠更加準确、快速地賦能(néng)需求預測。實驗證明，可以使用 seq2seq 模型在不同銷售地點和不同時間點，針對(duì)不同商品進(jìn)行需求預測，從而降低需求預測工作的複雜度。相比于其他幾種(zhǒng)模型，seq2seq 模型以較低的計算成(chéng)本實現了優秀的需求預測效果，能(néng)夠高效支持供應鏈領域的應用。圖 4—18 是用于需求預測的 seq2seq 模型架構。在 seq2seq 架構圖中，左邊的框裡(lǐ)顯示了編碼器，它以曆史銷售額以及其他與時間相關的附加數據作爲輸入，并返回最後(hòu)一個單元的隐藏向(xiàng)量作爲輸出。架構圖的中間顯示了上下文條件模塊，該模塊接收來自編碼器的輸出，并將(jiāng)其與不随時間變化的靜态數據連接起(qǐ)來。最後(hòu)，在右邊的框裡(lǐ)，解碼器接收上下文條件模塊的輸出作爲初始狀态，并向(xiàng)第一個循環單元提供一個特定的符号，解碼器以自回歸方式産生序列預測。以上就是生成(chéng)式 AI 的 seq2seq 架構，在實踐中能(néng)夠準确且高效地對(duì)市場需求進(jìn)行預測，從而精準地進(jìn)行供應鏈管理。由此可見，生成(chéng)式 AI 不但“能(néng)說會道(dào)”“能(néng)寫會畫”，還(hái)可以成(chéng)爲供應鏈中的有用工具，提供見解和預測，促進(jìn)供應鏈的智能(néng)化。

圖片來源：Iván Vallés-Pérez, et al,“Approaching Sales Forecasting Using Recurrent Neural Networks and Transformers”

圖 4—18 用于需求預測的 seq2seq 模型架構圖

將(jiāng)營銷工作推向(xiàng)一個革命性的新時代

一般來說，企業的營銷數據并未在内部完全打通，所以目前的人工智能(néng)很難做到自動生成(chéng)企業整體的營銷策略，但在具體的營銷細分場景中，人工智能(néng)自動生成(chéng)一個可執行的方案還(hái)是完全可以的。這(zhè)樣(yàng)的細分場景也十分常見，例如廣告投放。事(shì)實上，目前的廣告投放系統已經(jīng)大量采用基于機器學(xué)習的決策式 AI 自動優化廣告效果，并且決策式 AI 已逐步取代了原本屬于廣告優化師的工作。所以，說決策式 AI 已經(jīng)是廣告投放的基礎設施，一點也不爲過(guò)。

但是，随著(zhe) AIGC 在各行各業開(kāi)始應用，我們不僅希望通過(guò)人工智能(néng)來優化廣告投放的效果，更希望廣告的投放方案就是 AI 生成(chéng)的。你可以向(xiàng) AI 輸入預算、投放目标、目标人群、合作媒體、要傳播的信息等條件，就像提供 AI 作畫的提示詞一樣(yàng)，然後(hòu)生成(chéng)式 AI 就能(néng)自動輸出一個最優的投放方案。

沿著(zhe)這(zhè)樣(yàng)的思路，我們同樣(yàng)可以將(jiāng)決策式 AI 和生成(chéng)式 AI 結合起(qǐ)來，而這(zhè)樣(yàng)也很有可能(néng)將(jiāng)數字廣告的投放推向(xiàng)一個革命性的新時代。數字廣告（尤其是效果類型的廣告）的條件和參數，都(dōu)是非常結構化的，産生的營銷結果确定性強且能(néng)夠實時反饋。所以，基于 AI 的決策和優化能(néng)力可以發(fā)揮顯著作用：一方面(miàn)，決策式 AI 能(néng)夠實時調優投放的執行；另一方面(miàn)，在廣告投放前利用生成(chéng)式 AI 制訂的方案，也能(néng)夠根據廣告投放的實際效果自動加以優化。通過(guò)這(zhè)樣(yàng)的方法，AI最終選定的方案，可能(néng)比營銷人員構思出來的更加“不明覺厲”，實際效果可能(néng)更好(hǎo)！就像 Diffusion 模型會生成(chéng)一些普通人看來匪夷所思的畫作，但很多專業畫家都(dōu)會從中尋找靈感。

全球領先的營銷 SaaS（軟件運營服務）公司 Adobe 會利用人工智能(néng)優化營銷預算分配和場景規劃産品，人工智能(néng)會通過(guò)一系列複雜的機器學(xué)習算法，將(jiāng)營銷評估與規劃結合起(qǐ)來。使用者在人工智能(néng)的幫助下，可以將(jiāng)跨渠道(dào)數據分析的時間從數月縮短至數周，從而更有效地爲營銷活動服務。具體來說，該産品可以生成(chéng)最優化的營銷預算分配方案，以最大程度地提高投資回報率并實現既定的收入目标；還(hái)可以了解客戶在不同渠道(dào)和時間的行爲，然後(hòu)優化他們在整個客戶旅程中的體驗。這(zhè)樣(yàng)生成(chéng)的人工智能(néng)營銷方案曾幫助衆多企業實現豐厚的投資回報。

在國(guó)内，藍色光标旗下的銷博特推出了 2022 元創版本智能(néng)策劃模塊，該版本主要聚焦營銷策劃場景的多人協同創作。通常，營銷團隊發(fā)起(qǐ)一場營銷策劃需要多種(zhǒng)角色的人才組成(chéng)專業小組，經(jīng)過(guò)草案規劃、數據分析、頭腦風暴、媒體規劃等多輪溝通交流，曆時數周才能(néng)完成(chéng)。而若使用銷博特此次發(fā)布的智能(néng)策劃模塊，用戶可以在該功能(néng)模塊中填寫簡報，而後(hòu)發(fā)起(qǐ)一個營銷策劃項目，由人工智能(néng)在 30 分鍾内生成(chéng)一個策劃方案。然後(hòu)用戶可以邀請團隊成(chéng)員加入，查看已經(jīng)創建好(hǎo)的策劃方案，加入的成(chéng)員可以一起(qǐ)參與讨論，提出自己的想法和修改意見。這(zhè)樣(yàng)的産品極大地方便了營銷策劃的過(guò)程，最終將(jiāng)策劃方案形成(chéng)的時間縮短到 2~3 天。

將(jiāng)給客服領域帶來更有效的溝通

随著(zhe)生活方式和行爲模式的改變，消費者對(duì)服務的期待日益增長(cháng)，服務模式也越來越個性化。近些年來，我國(guó)客服中心座席規模逐年增長(cháng)，保持年複合增長(cháng)率 17%的增長(cháng)态勢， 2020 年已突破 300 萬個。随著(zhe)座席規模的逐年增長(cháng)，企業的用人成(chéng)本也逐年攀升，企業既要保證客服滿意度，又要控制相應的成(chéng)本，因而對(duì)客服降本增效的需求日益強烈。

傳統客服工作強度大，時常加班、值班及輪崗，客服工作内容枯燥無趣，機械性重複工作居多，費時耗力，客戶的投訴及刁難造成(chéng)客服人員負面(miàn)情緒積壓等原因，導緻客服人員流失率高，從而造成(chéng)企業招新和培訓等成(chéng)本變高。此外，對(duì)于客服中心而言，招聘難、員工工作效率低、高峰期需求波動大、質檢績效管理耗時費力等，導緻運營管理難度增加。這(zhè)使得企業一方面(miàn)無法滿足客戶需求，另一方面(miàn)也無法深挖客服數據的價值，長(cháng)此以往必然導緻客源流失，業務增長(cháng)乏力。伴随人工智能(néng)尤其是生成(chéng)式 AI 的發(fā)展，智能(néng)客服有望解決客服中心運營管理的難題，實現客服中心真正意義上的數字化、智能(néng)化運營。

如今，對(duì)于交互式對(duì)話來說，生成(chéng)式 AI 模型諸如 ChatGPT 的對(duì)話能(néng)力已經(jīng)得到體現，但是，智能(néng)客服作爲在一線服務客戶的商業産品，需要在明确業務目标和服務目标的指導下，結合專業知識和業務邏輯來進(jìn)行服務。目前，ChatGPT 針對(duì)客服場景生成(chéng)的響應還(hái)不夠準确，如果要在智能(néng)客服場景中使用它，就需要結合具體的業務場景對(duì) ChatGPT 模型進(jìn)行微調，通過(guò)對(duì)其響應的審核和修正，不斷訓練以提高模型的專業能(néng)力。

創立于舊金山的客服自動化公司 Intercom 在這(zhè)方面(miàn)頗有經(jīng)驗。超過(guò) 25 000 家企業的客服團隊使用 Intercom 的解決方案，使用 AI爲客服賦能(néng)一直是 Intercom 追求的目标。在 ChatGPT 發(fā)布後(hòu)不久，Intercom 就迅速爲其産品推出了一系列的人工智能(néng)功能(néng)，期望應用生成(chéng)式 AI 來幫客戶提高效率。但應用效果顯然沒(méi)有達到預期，對(duì)于一些客戶的問題，ChatGPT 經(jīng)常會因爲找不到答案而進(jìn)行編造，這(zhè)是不能(néng)容忍的。

最近，OpenAI 發(fā)布的 GPT—4 上述問題顯著減少，因此，Intercom迅速基于此構建了一個人工智能(néng)驅動的客服機器人 Fin，它具有GPT—4 的諸多優點，并且更加适合客服場景的業務需求。Fin 的設計理念如下：第一，使用 GPT 技術進(jìn)行自然交談；第二，使用受企業控制的信息回答有關的業務問題；第三，將(jiāng)不準确的回答減少到可接受的水平；第四，盡可能(néng)地減少人工參與。

圖片來源：https://www.intercom.com/blog/announcing-intercoms-new-ai-chatbot

4—21 當 Fin 給出答案時，它會鏈接到其來源文章，讓客戶驗證來源是否相關

盡管前景光明，Intercom 對(duì) Fin 存在的問題也直言不諱：第一，不同行業對(duì)客服準确率的要求有所不同，對(duì)許多行業而言，Fin 的響應已經(jīng)足夠準确，但對(duì)某些要求嚴格的行業而言，Fin 的準确率仍須提升；第二，目前 GPT—4 模型的使用費用不菲（未來有望顯著降低）；第三，GPT—4 模型的響應時間有時高達 10 多秒（随著(zhe)技術的發(fā)展，響應時間會逐漸降低）。總的來說，雖然在現階段 Fin并不完美，但它現在已經(jīng)爲應對(duì)許多企業客服中心的挑戰做好(hǎo)了準備。

《生成(chéng)式人工智能(néng)：AIGC的邏輯與應用》

中信出版集團

丁磊 著

2023年5月

ChatGPT問世，GPT-4即將(jiāng)接入未來辦公軟件……技術正在以前所未有的速度快速叠代，人類正在迎來新一輪的技術革命，企業、經(jīng)濟、個人發(fā)展將(jiāng)迎來重大變革。那麼(me)，這(zhè)些技術背後(hòu)的核心技術，生成(chéng)式人工智能(néng)（AIGC），到底對(duì)企業、對(duì)商業有何影響，現在有著(zhe)怎樣(yàng)的市場應用，已經(jīng)催生了哪些經(jīng)濟，未來它的商業機會在哪裡(lǐ)，我們個體未來如何把握發(fā)展機會？……這(zhè)些問題對(duì)于我們理解當下，面(miàn)向(xiàng)未來都(dōu)十分重要。本書基于作者的專業背景和長(cháng)期實踐，在介紹生成(chéng)式人工智能(néng)的技術邏輯基礎上，著(zhe)重分析其技術功能(néng)、市場應用及商業前景，將(jiāng)其與産業發(fā)展的實際相結合，幫助讀者從本源了解未來趨勢和發(fā)展機會。