將GPT嵌入到企微成為企業AI，你愿意部署嗎？

不管過去還是現在，科學都是對一切可能的事物的觀察。所謂先見之明，是對即將出現的事物的認識，而這認識要有一個過程。

——達·芬奇

在新一輪的人工智能浪潮下，“GPT”這個詞時常會鉆進我們的耳朵，而且隨著chat GPT的爆火，再一次將人工智能與AI的無限能力呈現于世人眼前。而我們在驚嘆高科技飛速發展的同時，前所未有的憂慮也隨之而來，“高科技是否會取代人類”，“未來這幾類人將會失業”……諸如此類的文章可謂是鋪天蓋地，看到不由得讓人心頭一緊，難道打敗人類的，將是人類創造出的科技嗎？

圖片來源于網絡

“GPT”到底是什么，又有何種能力？

其實GPT是一種先進的自然語言處理模型，通過大規模的自然語言數據訓練，可以掌握和“學習”自然的語言表述方式和規律。GPT全稱是（Generative Pre-trained Transformer），其中：“Generative”表示該模型具有生成文本的能力；“Pre-trained”指的是在對模型進行特定微調任務之前，會進行大量文本數據集的預訓練；“Transformer”指的是該模型所用的基本架構。

從發展歷程上看，2017年出現的Transformer模型為GPT的出現奠定了基礎，2018年GPT問世，由OpenAI提出的GPT-1開啟了新一輪自然語言模型發展的熱潮，生成式預訓練模型GPT-1誕生。2019年，GPT-2以增加模型通用性為目標，移除GPT-1的微調，以更大的參數量和多任務訓練，無需經過特定的數據集訓練也能解決各類問題，即zero-shotlearning（零次學習）。2020年，GPT-3用Few-shot代替zero-shot，并將訓練參數增加到1750億，再次提高模型表現性能。2023年3月14日OpenAI推出了GPT-4模型，向多模態通用人工智能邁出了更加堅實的一步。

在GPT持續發展的歷程中，其技術水平與能力得到了充分的提升，經歷了數次升級迭代后，使得GPT-4擁有了以下特性：

強化的語言和代碼生成：GPT-4可以生成更連貫的、類似人類的語言。代碼生成也得到了改進。
對內容理解更完善：更容易理解句子的意思，并提供更多正確的回答。
多語言支持：支持多種語言。
多模式：支持文本和圖像輸入。
更長的上下文相關性：OpenAI API提供了相當于10-13頁文本的8k和相當于約50頁文本的32k版本，可供API使用。
圖像理解(多模態)：不僅能理解圖片中的內容，還能理解上下文及其含義。

“光說不練假把式”，在實際的應用場景中，GPT也有著不俗的表現，例如在客服服務領域，能夠通過對客戶的查詢提供即時響應來改善客戶服務。在翻譯領域，能夠準確地將本文翻譯成另一種語言。另外內容生成上，可以根據用戶的需求，生成原創且連貫的內容。此外它在圖片分析、總結、創意生成等領域也能提供極為出色的應用。值得業內同仁共同關注的是，GPT還能夠生成代碼，這對于程序員來說，雖然能夠在一定程度上提升效率，但是從某些角度理解，或許也并不是一個“好消息”。說到底，GPT仍是一個工具，如何使用它決定了他的價值有多大。

談到GPT的應用場景，近日在我們運營的社群內，群友G的一則提問與之極為相關，且該需求對于不同行業中的企業來講，也是極為普遍的。

群友G提出：假如可以把GPT嵌入到企業微信中，成為企業AI，大家愿意部署嗎？

她還作以補充說明，表示她目前的想法在于打造一個機器人，提升用戶尋找資料的效率，正所謂“問度娘不如問AI”，因此是否可以考慮將GPT植入到企業微信中，供大家查詢相關資料、學習某些知識使用。

這一問題的提出，引發了大家的廣泛討論，有人認為如果采用私有化部署方式，才能行的通。也有群友表示認為千萬不要這樣去做，有可能會導致信息泄密。綜合來看，針對這樣的做法，大多數群友持有的仍是保守的意見，主要的原因在于這一做法無法行之有效的保證信息安全。

的確鑒于人工智能的訓練和學習方式，當員工使用GPT時，很可能會出現一些風險，例如工作中的保密和隱私問題、偏見和公平、法律合規性和責任等等，然而想要使用又必須突破這些難點。擺在面前的，就有兩個矛盾點至今無法去妥善解決，第一就是部署方式的問題，采用私有化部署勢必更加安全，但是帶來的弊端就是數據量的局限性，無法獲取到足夠的數據量，AI的準確性又無從談起，甚至可以說打造“私有化的AI”是無意義的。另外一個矛盾點就是數據跨境問題，有群友直言雖然可能GPT的接口是本地的，但是最后仍會提交到美國的服務器，數據出境問題不可避免，過程中難以保證數據安全，因此企業的重要機密也極有可能泄露，后果是無法想象的。

鑒于此，有的群友呼吁到：“我們還是等國內的吧，等百度，等阿里！”。

在群友們的期待中，也讓我們看到了以ChatGPT為代表的內容生成型人工智能的崛起，是人工智能領域的一次重大變革。其通過引入新的訓練方法，在降低人工智能使用門檻的同時，拓展了人工智能的應用領域，甚至使人工智能進入到了尋常百姓家，人工智能的通用化時代正在悄然而至。對于企業而言，GPT帶來了新的發展機遇，但是其中所隱藏的風險也不容小覷，目前來看主要體現在以下幾個方面：

隱私和數據安全風險。更強的算力，更優的算法，就意味著更大的隱私和數據風險。
偏見和歧視風險。如果說在公域數據上訓練出來的GPT會有偏見和歧視的話，那么私域數據訓練出來的GPT的偏見和歧視會更加明顯，原因在于私域數據量比公域要小得多。
造假和作弊風險。好的工具也是一把雙刃劍，濫用工具導致造假和作弊無法避免。
內容不確定性風險。GPT生成的內容已經很大程度上可以代替人類，但是無法避免其遇到盲點，難以保證信息質量，觀點的偏頗。
監管和合規風險。使用GPT需要滿足法律和監管要求。如果未經充分驗證就使用GPT，就有可能觸犯法律和監管規定。
戰略和變革風險。GPT的應用一定會帶來企業的巨大變革，這種變革首先是過程性的、職能性的，但最終必將是全面性的和戰略性的。
員工崗位和能力喪失的風險。GPT可以高效優質地從事許多工作，不但能夠在一定程度上幫助人類去完成一些工作，甚至可以完全替代很多一般崗位。

如何規避風險是必須慎重思考的，而想要發揮GPT的效用，也需要從兩方面著手，一方面需要去養模型，另一方面是用模型，想要養模型就要有足夠的數據來源，用好模型又需要強大的計算能力，因此對于企業來說，如何在保證安全的前提下，使GPT與現有的應用場景結合？在實際應用后，又能為企業帶來多大的效率提升？其價值難以量化，因此很多企業認為當下對于GPT進行深入應用似乎并未到達一個成熟的時機。

如果將GPT想象成一個真實的人，其強大的記憶力與推理能力是超乎想象的，而真正使得GPT超越其他大模型之處就是可以實現真正的個性化學習！無疑GPT是人工智能領域令人驚喜的發展，其先進的特性和功能為改善通信和交互的可能性打開了大門。

GPT的潛在用途是巨大的，可以預見的是未來它極有可能就會被應用于各個行業。一方面，AI的這些能力能夠讓其更好地輔助人類社會。但另一方面，這也讓AI對人類的復雜操縱行為變得更加可能。無論如何我們都必須承認的是，AI具有無限的可能性，而無限的可能性也必將帶來更多的不確定性。

正如群友G所言：科技的不斷發展，在帶來效率提升的同時，似乎也在悄悄打開潘多拉魔盒，到了今天難免發問，我們真的需要這么多高科技嗎？

往

期

精

彩

數字化在大規模連續化生產中的最佳實踐
探索中國CIO人才現狀 | 第四季調研報告
“數字化轉型”是當代大型企業的唯一出路
數字化轉型成功的四個支柱
由系統視角解讀三一集團智慧園區建設

關于CIO發展中心
「CIO發展中心」于2005年由一群熱衷于中國CIO職業發展的CIO 們倡導發起，并以「聚合中國CIO力量，助推CIO商業價值」為宗旨。旨在通過學術和經驗交流、知識和理念宣傳來促進職業規范的推進、長大環境的改善以及隊伍素質的提升，進而促進信息應用水平提升，推動CIO機制的建立和完善。
本文經CIO發展中心授權轉載

欧美深夜视频_国产精品99视频_国产精品网站一区_亚洲最大av网

將GPT嵌入到企微成為企業AI，你愿意部署嗎？