生成式人工智能技术的产业影响：2023通用人工智能的曙光下载
今天分享的是人工智能AIGC研究报告：《2023通用人工智能的曙光：生成式人工智能技术的产业影响》。
精选报告来源公众： 幻影视界
研究报告内容摘要如下
虽然生成式人工智能技术的通用能力正在以前所未有的方式激发着人们的想象力，但也存在一定的应用局限性。
首先应当关注的是，生成式人工智能可能给出不准确或误导性的信息。模型训练数据有偏、理解推理不足、监督训练误导、细分领域知识有限等原因，可能会导致模型捏造没有事实来源的答案，或给出具有偏向性的观点。因此，在对信息准确性和可靠性要求严格、容错率低的领域中，如医疗、金融等，企业应审慎防范信息偏误带来的高风险。
第二，在生成式人工的应用中还存在缺乏可解释性的问题。模型在响应前的分析步骤具有“黑箱”性质，呈现不透明、不可解释性。生成式语言模型的底层输出逻辑是推测句子中最有可能出现的下一个单词进行“填空”，而随着数十亿甚至千亿级别参数大模型的出现，运算过程变得十分复杂并且难以解释，最终导致模型决策行为难以评估并施加控制。
第三，模型的实时更新问题也在一定程度上限制了生成式人工智能的应用扩展。大语言模型的“智力”依赖于大型数据集和高性能算力，而数据集不具备自我更新的机制，因此模型的升级需要更新新训练数据集，呈现阶段性和滞后性特征。例如，GPT-4的知识库更新截止2021年9月，后续信息无法被用于学习，可能出现推理错误的情况。
此外，业界普遍认为生成式人工智能还存在信息溯源、隐私和数据安全、潜在抄袭行为等问题，但随着未来技术的逐步成熟和应用场景的广泛落地，这些问题将逐步得到解决。例如，微软NewBing搜索引擎中接入的GPT，可以在检索信息时提供来源网址，实现实时溯源；针对数据隐私和保密性问题，OpenAI开始提供对话记录删除等隐私选项避免个人信息被用于模型训练，企业也可以通过部署私有模型解决保密性问题。
（报告出品方：罗兰贝格）
报告原文内容节选如下：
下载资料，公众号《幻影视界》。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
本报告共计：33页。受篇幅限制,仅列举部分内容。