 |
北京2023年3月22日 /美通社/ -- 上周GPT-4全球發(fā)布，再次將以ChatGPT為代表的人工智能如何應(yīng)用于企業(yè)的討論帶向新的高潮。鑒于廣大客戶與合作伙伴對于如何在企業(yè)高質(zhì)量、規(guī)模化和安全地采用人工智能實現(xiàn)創(chuàng)新突破的探索需求，我們特別邀請IBM中國的技術(shù)與行業(yè)專家，分享他們的見解與實施經(jīng)驗。今天與大家分享的是IBM數(shù)據(jù)與人工智能資深技術(shù)專家、The Open Group 卓越級技術(shù)專家（Distinguished Technical Specialist）吳敏達。以下是他近期的署名文章：
從 +AI 到 AI+，談企業(yè)如何應(yīng)用 ChatGPT 技術(shù)
作者：吳敏達
IBM科技事業(yè)部 數(shù)據(jù)與人工智能資深技術(shù)專家
引言
AI 無處不在，它可以畫畫、創(chuàng)作、并與人們談?wù)搹?fù)雜的話題。技術(shù)每年都變得更加先進，越來越多的企業(yè)正在從 +AI（數(shù)據(jù)集成+分析）過渡到AI+（預(yù)測、自動化、機器學習）。 企業(yè)的 AI 采用率和 AI 能力都自 2017 年以來翻了一番，而作為數(shù)字化轉(zhuǎn)型戰(zhàn)略一部分的 AI 預(yù)算已從 2018 年的 5% 增長到 2022 年的 52% [1]。
隨著ChatGPT的橫空出世，成為主要新聞文章的標題，一時洛陽紙貴，一試難求。越來越多的企業(yè)正在認識到他們可以通過 AI 獲得價值和轉(zhuǎn)型的新方式，開始思考如何利用ChatGPT技術(shù)重新定義生產(chǎn)力，產(chǎn)生業(yè)務(wù)價值。
然而當企業(yè)逐步深入調(diào)研ChatGPT的能力和技術(shù)之后，就會產(chǎn)生疑慮和不安。首先是安全性，由于 ChatGPT 是公有云的服務(wù)，如果企業(yè)需要使用，需要用企業(yè)的數(shù)據(jù)去 Fine-Tuning（微調(diào)）預(yù)訓練模型，而很多企業(yè)數(shù)據(jù)是敏感和需要保護的。同樣在使用 ChatGPT 服務(wù)的時候也要考慮安全的問題。
其次是準確性和權(quán)威性，ChatGPT 的答案并不總是完全準確、相關(guān)或公正，因為它們是由人工智能生成的。 雖然它能夠提供一些非常有創(chuàng)意的響應(yīng)，但它會讓企業(yè)或品牌面臨風險，因為沒有一致的、可擴展的方法來確定所提供的答案是否正確。
最后，企業(yè) AI 需要考慮 AI 治理、定義政策并在整個 AI 生命周期中建立問責制，以確保模型遵守公平、可解釋性、穩(wěn)健性、透明度和隱私的原則，而這也是 ChatGPT 目前缺失的。
"梅須遜雪三分白，雪卻輸梅一段香"， 本文試圖從行業(yè)知識和技術(shù)實踐兩個角度來進行探討，看看企業(yè)如何能夠揚長避短，利用 ChatGPT 技術(shù)助力企業(yè)級 AI。
場景與流程
行業(yè)知識和技術(shù)實踐是企業(yè)級 AI 成功的關(guān)鍵因素。ChatGPT 技術(shù)在企業(yè)應(yīng)用同樣如此，選擇合適的場景，采用受控的企業(yè)流程，通過開放的架構(gòu)，才能讓 ChatGPT 技術(shù)在企業(yè)安全落地。
ChatGPT 是以 GPT 3.5 為基礎(chǔ)衍生出來的應(yīng)用，目的是用來展示 GPT 的能力。ChatGPT的 技術(shù)支撐是大規(guī)模語言模型，也就是大家耳熟能詳?shù)?LLM，LLM 屬于基礎(chǔ)模型的范疇，基礎(chǔ)模型是在廣泛的未標記數(shù)據(jù)集上訓練的模型，這些數(shù)據(jù)可用于不同的任務(wù)，只需最少的微調(diào)。基礎(chǔ)模型和 LLM 支撐了生成式 AI，通過從現(xiàn)有數(shù)據(jù)中學習來創(chuàng)建原創(chuàng)內(nèi)容。
ChatGPT 和 LLM 是 AI 領(lǐng)域令人激動的創(chuàng)新，會直接加速對話 AI 的應(yīng)用，客戶服務(wù)（利用 AI 來進行互動和交談）是最重要的企業(yè) AI 應(yīng)用場景之一。以 ChatGPT 為代表的生成式 AI 擅長響應(yīng)與問題相關(guān)、可以處理小眾不常見的話題，但也可能會編造事實不正確的答案。而目前企業(yè)級對話 AI 更擅長對高價值問題的回答，非常具體和準確，因此引入 ChatGPT 的技術(shù)，可以完善企業(yè)級對話 AI 的能力。
理解、傳遞和應(yīng)用業(yè)務(wù)流程是企業(yè)級 AI 的重要部分，AI 需要理解、應(yīng)用和處理這些流程。盡管 ChatGPT 是在大量基于文本的數(shù)據(jù)上進行訓練的，但它并不"理解"企業(yè)所需的特定業(yè)務(wù)流程和流程，它不會對模棱兩可的問題進行澄清，而是對問題的含義進行"最佳猜測"。例如：用戶詢問業(yè)務(wù)場景："我如何支付賬單？"，ChatGPT 會詳細說明了如何支付賬單的過程。但企業(yè)級 AI 需要能夠弄清楚用戶想支付什么賬單、從什么賬戶以及支付方式。 這些問題特定于企業(yè)或流程，對話的結(jié)果是交易處理結(jié)果，而不僅僅是基于文本。ChatGPT 不支持針對企業(yè)系統(tǒng)執(zhí)行交易的能力。而 IBM Watson Assistant 和 IBM Watson Discovery 幫助中國客戶構(gòu)建企業(yè)級 AI 都是圍繞特定業(yè)務(wù)場景來訓練優(yōu)化語言模型，并集成企業(yè)自動化業(yè)務(wù)流程[2]。Watson Assistant 可以根據(jù)客戶信息和上下文觸發(fā)業(yè)務(wù)流程并用于對話控制，并通過使用開箱即用的 webhook 和觸發(fā) API 與業(yè)務(wù)系統(tǒng)集成來實現(xiàn)自動化任務(wù)。
企業(yè)級 AI 需要控制對話，Watson Assistant 是企業(yè)級對話 AI 市場的領(lǐng)導者，可以實現(xiàn)"tell me", "show me"和"do it for me"， 與企業(yè)系統(tǒng)和應(yīng)用程序集成或完全自動化業(yè)務(wù)流程。Watson Assistant 最新的功能"旅程"[3]，可以在對話中逐步直觀地指導用戶應(yīng)用的復(fù)雜過程，通過視頻，文本和圖像提供交互式幫助和支持。
持續(xù)改進增強對話機器人的性能和用戶體驗是企業(yè)級 AI非常重要的內(nèi)容。在引入 ChatGPT 技術(shù)后，依然需要企業(yè)級 AI 最佳實踐和方法論來保證成功。IBM Watson Assistant 提供了持續(xù)改進對話機器人和衡量指標，可用于日常交付以提高對話機器人效率的完整方法論、技巧、操作方法和模板。企業(yè)級對話 AI 建議綜合關(guān)注四個指標：凈推薦值 (NPS)、客戶滿意度、遏制率、一次性問題解決率。僅僅看凈推薦值和客戶滿意度并不能全面了解對話機器人的成功與否，遏制率是用戶不選擇人工的百分比，回訪率是看用戶在一周內(nèi)是否使用了任何渠道重新尋求幫助，遏制率低和回訪率高意味著對話機器人并沒有達到滿意的自助服務(wù)效果。
在企業(yè)級 AI 中，ChatGPT 背后的 AI 基礎(chǔ)模型技術(shù)除了前面談到的客戶服務(wù)業(yè)務(wù)場景，也可以用于數(shù)字化勞動力、IT 運營和網(wǎng)絡(luò)安全等。Red Hat 和 IBM 正在利用該技術(shù)為 Ansible 注入新的功能，Project Wisdom[4] 將使任何人都可以更輕松地使用 AI 生成的建議編寫 Ansible Playbook。Project Wisdom 將能夠根據(jù)用戶輸入，然后生成以 Ansible 語法編寫自動化內(nèi)容，實現(xiàn)與 AI 進行結(jié)對編程。IBM 已經(jīng)構(gòu)建了一系列企業(yè) AI 工具、應(yīng)用程序和解決方案，現(xiàn)在正利用最新的 AI 基礎(chǔ)模型技術(shù)優(yōu)化結(jié)果和適合企業(yè)使用。我們將技術(shù)和咨詢服務(wù)結(jié)合到一個經(jīng)過驗證的框架中，解決客戶和企業(yè)最緊迫的業(yè)務(wù)問題。
Watson 能力的演進
自 2020 年以來，IBM Watson 產(chǎn)品一直在使用基礎(chǔ)模型（Foundation Models） 為其開箱即用的特定任務(wù)模型提供支持。通過使用了基礎(chǔ)模型，準確性明顯超過上一代模型，而且仍然具有成本效益。 借助預(yù)訓練的基礎(chǔ)模型，Watson 可以使用更少的標注語句訓練一種新語種，從而更快的實現(xiàn)多語種支持。
由于 Watson 服務(wù)不僅支持公有云，而且支持本地化部署，企業(yè)客戶可以使用企業(yè)行業(yè)領(lǐng)域數(shù)據(jù)來調(diào)整基礎(chǔ)模型并創(chuàng)建自定義模型并保證安全性。
Watson Assistant 正在用生成式 AI 來實現(xiàn)更好的對話體驗和更快的構(gòu)建。
我們正處于 AI 的轉(zhuǎn)折點，對于大型語言模型的快速技術(shù)進步和 ChatGPT 背后的技術(shù)感到非常興奮。Legalmation [5]是 IBM利用類似技術(shù)的企業(yè)級 AI 案例，Legalmation 利用 IBM Watson Discovery 生成早期階段的訴訟草稿，并為律師和律師助理節(jié)省時間。 在不到兩分鐘的時間內(nèi)起草了回復(fù)，成本降低 80%。另外，通過和 GPT 語言生成的服務(wù)為 IBM Watson Assistant 客戶提供擴展其對話式 AI 功能的能力。Watson Assistant 可以根據(jù)用戶查詢，通過 Watson Discovery 檢索內(nèi)容。然后采用生成式預(yù)訓練 Transformer 技術(shù)，根據(jù)檢索到的內(nèi)容、查詢和對話的完整上下文生成響應(yīng)。這是利用 GPT 技術(shù)的一種積極方式，因為企業(yè)仍然能夠在生成的響應(yīng)中獲得上下文和企業(yè)行業(yè)知識。企業(yè)級 AI 需要多種方案的組合來產(chǎn)生業(yè)務(wù)價值，ChatGPT 背后的技術(shù)將是其中的一部分。
下面是 Watson 與 GPT 技術(shù)的生成式 AI 結(jié)合的例子。左邊是 Watson Assistant沒有預(yù)設(shè)答案，會自動調(diào)用 Watson Discovery實時搜索用戶問題，可以找到知識文檔中相關(guān)內(nèi)容并返回結(jié)果，但不能使用這些內(nèi)容生成自然的對話語言答案。而且 Watson Discovery 可以提供多個搜索結(jié)果，但無法將不同的搜索結(jié)果的信息結(jié)合起來，提供一個連貫的答案。右邊則增加了生成式 AI 的能力，這時候生成的答案直接響應(yīng)用戶所提出的問題。另外使用對話上下文來回答第二個問題：第二個問題沒有明確提及"勞務(wù)派遣公司基本情況表"，但會根據(jù)上下文給出正確答案，因為它在上一個問題中已被提及。整個過程無編碼即可完成，只需要把行業(yè)文檔交給 Watson Discovery，將生成式 AI 指向 Watson Discovery，最后將它們與 Watson Assistant 模板連接在一起。
AI 治理也是非常重要的方面。IBM 發(fā)布了 AI 的信任和透明原則[6]，這是如何構(gòu)建 IBM 產(chǎn)品、IBM 如何利用 AI 的指導，IBM Watson 承諾不會利用客戶數(shù)據(jù)來訓練模型。同樣這也是 ChatGPT 技術(shù)如何助力企業(yè) AI 的需要關(guān)注的。
總結(jié)
來自 AI 的洞察力正在從根本上改變我們工作方式的方方面面。ChatGPT 雖然不完美，但正在為我們的科技未來指明方向。在 +AI 階段，AI 針對傳統(tǒng)應(yīng)用去產(chǎn)生價值，通過 +AI賦能。而 AI+ 時代已經(jīng)到來，是以 AI 為核心，AI 無處不在。IBM 正在幫助企業(yè)將 AI 付諸行動，通過 AI 和自動化重塑工作流程，自動化端到端企業(yè)流程，用 AI 驅(qū)動的決策代替日常重復(fù)的任務(wù)來提高生產(chǎn)力，個性化員工和客戶互動。
在 +AI 階段，企業(yè)從智能設(shè)備等消費領(lǐng)域獲得的標簽訓練數(shù)據(jù)。 使用互聯(lián)網(wǎng)規(guī)模應(yīng)用的消費者生成了足夠的訓練數(shù)據(jù)，可用于推薦引擎，語音和視覺應(yīng)用。而在 AI+ 時代，利用基礎(chǔ)模型，可以使用未標注的數(shù)據(jù)進行訓練，從而使企業(yè)有機會通過未標注的數(shù)據(jù)來獲取業(yè)務(wù)價值。比如，工業(yè) 4.0 可以使用在正常操作期間生成的傳感器數(shù)據(jù)來優(yōu)化設(shè)備維護，IT 供應(yīng)商可以通過基礎(chǔ)模型降低 IT 運營成本。IBM正在幫助企業(yè)創(chuàng)建特定行業(yè)的基礎(chǔ)模型，一起迎接 AI+ 時代的到來！
參考資料： |
[3]https://medium.com/ibm-watson/best-practices-for-watson-assistant-journeys-993d16fb0ad0 |
[4] https://research.ibm.com/blog/ai-for-code-project-wisdom-red-hat |
