2023年将改变企业的10大AI趋势：ChatGPT、低代码/无代码 AI 入选

近日，科技媒体Influencer发布了《2023年将改变企业的10大AI趋势》报告，深度解读了影响企业工作效率、洞察力和客户体验的10大AI（人工智能）技术。

其中，通过低代码、无代码开发AI应用、系统的趋势入选，这将进一步加速“全民开发时代”的进程，使得那些没有编程背景的业务人员，也能快速开发开发各种AI应用。

1、Creative or generative AI（创造性或生成式AI）

生成式AI（国内叫AIGC）是机器学习的一个分支，通过使用现有的数据集，生成新的数据或内容。其目标是生成接近原始、真实世界输入的数据。（简单来说，就是通过人工智能生成、创造和人类相同的内容。）

该AI类型使用深度学习算法来学习数据集中的模式和特征，主要类型包括文本、代码、图像、音频、视频或其他数据类型。生成式AI受到了极大的关注，以下是3个广受欢迎的示例，均由OpenAI公司出品。

（1）GPT-3（Generative Pre-trained Transformer 3）

GPT-3开发于2020年，是一种语言模型，拥有1750 亿个机器学习参数。GPT-3通过对互联网上数百万网页和科学论文学习后，具备“自动生成”文本的功能。

文案写作是其典型的应用场景，可帮助用户自动提供上下文（例如，主题、描述或介绍性句子）后生成类似人类的文档内容。用户通过该工具可以自动生成大纲、摘要、论文、专栏等。

但GPT-3可能会出现一些错误或偏见，因为它的输出内容来自之前的内容。

（2）ChatGPT

ChatGPT是基于GPT-3技术开发而成，于2022年11月推出。ChatGPT 是一种大型语言模型，在接受人类对话和人类编写的互联网内容的“训练”后，回答问题并执行指令。ChatGPT 通过学习Reddit（知名论坛）等人类反馈数据来源，具备了“人类回应方式”。

由于ChatGPT可以创建和组织列表以及听起来很像人类，因此，业界预计它的应用场景非常广泛，例如，办公助理和客户服务支持等。但需要注意的是，ChatGPT可能会生成毫无意义或错误的内容。

（3）DALL-E

DALL-E是一款可自动生成图像的工具，同样由 OpenAI 出品。DALL-E的名字来源于西班牙超现实主义者萨尔瓦多·达利和2008年皮克斯动画电影WALL-E中的机器人。

用户可以通过语言描述，让DALL-E快速生成图片，例如，画一只可爱的猫。DALL-E还可以在原始图片进行二次创作，例如，用户在制定区域进行涂抹后，输入给蒙娜丽莎微笑加一个莫西干发型。这些自动生成的图像都可以进行添加、修改、删除操作。

DALL-E功能演示

DALL-E主要用于品牌设计、创意营销等，但生成的内容同样会出现偏见或错误。之前有报道，让DALL-E生成“CEO”图像时，它生成了一个白人形象，引起了很大的争议。

2、增强AI与人类协作（Greater AI-human collaboration）

AI对人类工作的支持程度已飙升至新的高度，开创了“AI与人类协作”工作模式。多数调查机构预计，会有更多的公司通过部署AI机器人来执行重复的基础体力劳动，将员工从枯燥、无意义的工作中解脱出来，去执行商业价值更高的工作。

AI典型应用行业包括：汽车制造、农业、医疗保健、食品、营销、IT、电子商务等，几乎所有行业都能看到AI的身影。

3、道德和规范（Ethics and regulation）

生成式AI拥有众多好处，但人们担心它会被乱用干坏事，例如，制造伪证视频。网络犯罪分子通过它进行欺诈、诽谤、勒索、报复、胁迫或勒索等。

纽约市消费者和工人保护部已经通过了一项AI法案（纽约市地方法144），要求雇主在使用自动化工具评估求职者之前，需满足偏见审计要求。此外，招聘团队应告知求职者他们使用这些工具进行招聘。

早在2021年，欧洲理事会就已经提交了规范AI的提案。拟议的立法将AI应用程序和系统分为禁止类、高风险类和低风险类。

4、民主化：低代码、无代码 AI（Democratization: low-code, no-code AI）

低代码、无代码在应用、网站中的诸多开发优势将延续到AI领域。企业通过这种可视化拖拽的开发模式，可快速开发、定制各种AI应用，并将其集成到现有业务流程中。

低代码、无代码的开发模式应用范围非常广泛，例如，构建端到端超级自动化业务流程，也能对Sway AI、Akkio这样的AI工具进行可视化编辑。AI应用市场也希望通过低代码、无代码开发模式，降低其使用门槛和部署成本。

由于低代码、无代码的开发模式与传统方法相比，成本可降70%左右并且完成速度更快（有的1—3天），因此，多数专业开发人员将在2023年使用低代码、无代码开发工具。

Gartner预测，到 2026年，“公民开发者”（指那些没有专业编程背景的人）——将占低代码工具开发用户的80% 。

5、复杂的网络安全（Sophisticated cybersecurity ）

随着越来越多的行业采用AI资源，关键基础设施，包括为家庭供电和供水的国家民用基础设施——可能会受到黑客活动的威胁。与此同时，规模较小、保护较少的组织将继续容易受到攻击。

由于这些新风险，信息安全领域的职业机会将会增加。可以为以下方面部署和监督安全 AI：

数据处理，包括分类、编目、整合和质量控制；
通过调查网络流量和识别暗示犯罪行为的模式进行漏洞管理；
通过预测性AI进行威胁检测，可以预测数千个警报中的哪一个具有最高风险并首先处理它们。

IBM 在 2022 年报告称，由于快速检测和响应，拥有网络风险管理结构和政策的企业平均节省了300万美元，并将违规生命周期缩短了74天。

6、数字孪生（Digital twinning）

数字孪生是将物理世界中的对象或业务流程，进行数字化模拟。通过AI，企业可以创建用于模拟的虚拟模型，从而使他们能够预测产品或系统的性能。

领先的GPU制造商 NVIDIA的Omniverse就是典型的数字孪生平台。以下是它如何帮助宝马公司的案例分析：

德国的宝马集团使用Omniverse 作为其虚拟工厂。该平台集成了来自不同生产商的各种设计和规划工具的数据，以在单一设置中创建实时、逼真的模拟。

宝马的数字孪生项目

来自不同地点和时区的员工可以访问这个虚拟空间，以按需计划或优化生产流程的细节，从而减少实际差异。Omniverse模拟了BMW的所有31家工厂及其所有元素——从员工和工厂内部到装配部件和机器人。

7、个性化AI（AI for personalization）

电子商务：虽然 62%的消费者对AI偏见表示担忧，但在Salesforce的一项民意调查中，69%的受访者表示，如果AI能够改善他们的购物体验，他们愿意接受品牌的使用。这一趋势将继续下去，因为 91%的消费者已经与聊天机器人互动，其中大部分是AI驱动的机器人。AI营销工具帮助品牌分析客户互动，以个性化产品搜索、推荐和消息。

娱乐：AI对电影制作的依赖也可能会增加。电影公司已经转向观众分析工具来为他们的下一部电影寻找最佳故事。Screenvision Medi于2022年向其广告商介绍了其专有的AI分析平台Cinelytics，而华纳兄弟则更早地采用了类似的技术来预测门票销售情况。

早在 2018年，20世纪福克斯就与Google的高级解决方案实验室共同开发了 Merlin Video，根据AI对电影预告片的研究，来预测电影观众的兴趣。此外，Netflix使用其订户的观看历史来建议接下来要观看的内容。

8、语音技术中的AI（AI in voice technology）

语音生物识别：更多企业将探索使用生物识别或语音身份验证，代替密码或PIN进行身份保护。语音助手将从你录制的样本中制作一个“声纹”，并使用它来比较其在你通过语音解锁设备时收到的任何新声音。越来越多的银行正在使用语音识别，允许客户通过语音认证访问他们的账户。

语音克隆：AI可以使用人的语音样本生成新的音频。该技术将加快项目画外音和电影、视频游戏等语音内容的录制。

9、人工智能驾驶（AI in motoring）

汽车行业预计将更多地采用基于AI的驾驶员监控系统，该系统可以在检测到困倦或疾病时，提醒人类驾驶员或激活自动驾驶。

自适应巡航控制可以发送前方碰撞警告并自动调整车速。此外，制造商将自动化（非电气化）视为驾驶的未来。Renub Research预测，到2030年，自动驾驶汽车市场将从 2021年的40亿美元猛增至1864 亿美元。

10、人工智能医学（AI in medicine）

精准医学：随着AI优化电子健康记录，医疗专业人员可以提供有针对性的诊断，开发针对患者的药物并定制治疗计划。AI增强诊断可以减少四分之一的患者每年因医院疏忽或监督而遭受的伤害。

虚拟检查和分散的临床试验：远程医疗将借助智能手机解决方案和可穿戴设备扩展其功能，包括远程体检。研究和制药实体可以使用相同的设备进行临床试验，这样参与者就不需要前往试验地点回答调查和评估。

情感人工智能：具有情感识别和生成能力的AI将吸引并治疗自闭症儿童、抑郁症患者和其他患有痴呆症等退行性疾病的人群。