近期，主流媒體都十分擔(dān)心Alexa、Siri和Google的數(shù)字助理。這是因為，到目前為止，這些產(chǎn)品還沒有使用生成式人工智能。生成式人工智能，是一組機(jī)器學(xué)習(xí)模型，經(jīng)過訓(xùn)練可以根據(jù)提示猜測下一組單詞或正確的圖像來創(chuàng)建。

DALL-E、Stable Diffusion和Midjourney在圖像生成方面很受歡迎，并于2021年初問世。但最新的炒作是圍繞大型語言模型，特別是OpenAI創(chuàng)建的ChatGPT。當(dāng)有人輸入提示和風(fēng)格建議時，結(jié)果可以輕松閱讀并提供實際信息或信息假象。

所有的設(shè)備都是令人興奮的，并將對工作完成、創(chuàng)建內(nèi)容以及建立業(yè)務(wù)的方式產(chǎn)生重大影響。但，人們擔(dān)心生成式人工智能的準(zhǔn)確性。使用生成式人工智能進(jìn)行輕松宣傳、詐騙和其他惡意行為的能力，我們?nèi)匀槐仨殤?yīng)對這些問題，而不是簡單地盲目地接受生成式人工智能是改變世界的技術(shù)。

也就是說，目前我們正處于技術(shù)專家盲目相信生成式人工智能的階段，包括向試驗用例和新模型的企業(yè)投入數(shù)十億美元的投資。我們還處于這樣一個階段：媒體成員花費數(shù)小時試圖欺騙這些模型，使其行為不端，或者試圖證明人工智能是有感知力的，并且可能對我們懷有敵意。

但這不是本文的重點。本文的重點是關(guān)注生成式人工智能將對物聯(lián)網(wǎng)的部署和使用方式產(chǎn)生重大影響的領(lǐng)域。例如，我們可以在哪里使用它來改善用戶體驗?它可以幫助或接管哪些類型的工作?除了文字和圖像，還有哪些其他生成式人工智能模型有助于物聯(lián)網(wǎng)?

從智能家居開始。與其將Amazon Alexa與聊天機(jī)器人混淆，不如說它和其他數(shù)字助理將繼續(xù)使用自然語言處理(NLP)來“理解”，然后對各種基于任務(wù)的請求采取行動，例如“開燈”或“早上好”以啟動喚醒程序，同時還添加了GPT樣式的聊天機(jī)器人來處理需要更深入交流的請求。

一個好的數(shù)字助理不會只有一個或兩個模型，而是由任何版本的模型組成，為用戶提供最實用的功能。還有經(jīng)濟(jì)方面的擔(dān)憂。呼叫聊天機(jī)器人可能會產(chǎn)生費用，這需要不同的商業(yè)模式，而且并不是每個人都愿意付費訂閱。

此外，我們很快會看到聊天機(jī)器人式的生成式AI模型在家庭中得到應(yīng)用。近期Home Assistant的創(chuàng)始人Paulus Schoutsen演示了如何使用HomePod訪問GPT風(fēng)格的聊天機(jī)器人來給其孩子講故事。

事實上，將已經(jīng)成為數(shù)字助理一部分的NLP與生成式AI模型結(jié)合使用的效用對于SoundHound來說是顯而易見的，它正在引入一個將語音助手與生成式AI相結(jié)合的平臺。所以ChatGPT不會取代Alexa，但它可能最終會成為Alexa的一部分，以Alexa為界面，而ChatGPT只是它提供的眾多服務(wù)之一。

ChatGPT或生成式AI模型將產(chǎn)生影響的其他智能家居領(lǐng)域包括兒童玩具、健身服務(wù)、食譜或活動建議。這是因為生成式人工智能實際上只是為日常物品添加連接和感知的另一個原因，可以提供個性化的訓(xùn)練數(shù)據(jù)，或充當(dāng)此類服務(wù)的管道。

在企業(yè)方面，使用生成式AI幫助業(yè)務(wù)人員無需編碼即可實施數(shù)字解決方案具有明顯的實用性。一個例子是Software AG如何將其Web Methods云到云集成平臺與生成式AI模型相結(jié)合，以幫助員工弄清楚如何鏈接數(shù)據(jù)和各種數(shù)字服務(wù)。最終，隨著在建筑物、生產(chǎn)線、商業(yè)廚房等中連接更多的東西，使用簡單的書面語言告知連接設(shè)備如何與連接的業(yè)務(wù)軟件一起工作將幫助管理人員變得更有效率和能力。

在工業(yè)環(huán)境中，ChatGPT的前景伴隨著引人注目的用例和注意事項。一些人支持將生成式人工智能用于預(yù)測性維護(hù)等方面。生成式AI模型的工作原理是通過對大量數(shù)據(jù)進(jìn)行訓(xùn)練，然后生成最有可能的下一個元素。因此，在大型語言模型中，生成式AI模型正在對大量文本進(jìn)行訓(xùn)練，并生成模型認(rèn)為最有可能出現(xiàn)的下一個單詞或短語。

據(jù)推測，有了足夠的機(jī)器數(shù)據(jù)，模型可以決定下一步應(yīng)該做什么，并在預(yù)期結(jié)果不正確時發(fā)送警報。但老實說，這感覺有點矯枉過正，因為傳統(tǒng)的異常檢測非常適合預(yù)測性維護(hù)，且成本要低得多。生成式人工智能可能變得有趣的地方是通過獲取流程數(shù)據(jù)并建議替代工作流程，或者通過使用書面語言來描述工作流程并讓人工智能為某人編碼。

但也有需要注意的地方。這些模型僅與其訓(xùn)練數(shù)據(jù)一樣好，在某些情況下可能會產(chǎn)生錯誤的答案，但可以寫得很好，以至于很難確定其是否錯誤。

考慮到圍繞生成式AI的知識產(chǎn)權(quán)斗爭，最后一個擔(dān)憂“感覺”會成為一個問題。但實際上，對訓(xùn)練數(shù)據(jù)的實際來源設(shè)置限制相對簡單——即使基于專有數(shù)據(jù)構(gòu)建的模型部署在預(yù)期工廠或企業(yè)之外。

關(guān)于生成式AI模型的創(chuàng)建方式及其工作方式的時間和教育將解決一些IP問題。由于進(jìn)入這個周期僅幾個月，相信未來將看到生成式AI變得與計算機(jī)視覺和NLP一樣重要，并被接受。