麦肯锡发现，员工在生成式人工智能方面取得了进步，而公司却落后了

现实检验：生成式人工智能对工作的影响

随着人工智能变得更加先进，人类面临着理解和追溯算法如何得出结果的挑战。可解释的人工智能是一组流程和方法，使人类用户能够解释、理解和信任算法创建的结果和输出。通过自动化危险工作——例如动物控制、处理爆炸物、在深海水、高海拔或外太空执行任务——人工智能可以消除人类工人面临受伤或更严重的风险。虽然自动驾驶汽车和其他车辆尚未完善，但它们具有降低乘客受伤风险的潜力。人工智能可以自动执行日常、重复性且通常乏味的任务，包括数据收集、输入和预处理等数字任务，以及仓库选货和制造流程等物理任务。

随着生成式人工智能的推理能力崭露头角，一类新的代理应用程序开始出现。 Sierra 受益于优雅的故障模式（升级为人工代理）。一种新兴模式是首先部署为副驾驶（人在环），然后利用这些代表来获得部署为自动驾驶（无人在环）的机会。主流企业无法应对黑匣子、幻觉和笨拙的工作流程。作为一名科学家，你计划和执行行动以实现目标的方式与你作为软件工程师的工作方式有很大不同。而且，作为一个不同公司的软件工程师，甚至是不一样的。

我们一开始就强烈默认“不”。初创公司和现有企业之间的经典之战是初创公司构建分销和现有企业构建产品之间的赛马。拥有酷炫产品的年轻公司能否在拥有客户的老牌公司推出酷炫产品之前吸引到大量客户？初创公司的主要机会不是取代现有的软件公司，而是追求可自动化的工作池。无监督学习消除了开发人员标记自己数据的需要，使他们能够根据大量源信息来训练工具。

以下是 NVIDIA 技术简介对 RAG 流程的概括描述。完成后，这项在 NVIDIA GPU 集群上运行的工作展示了如何使生成式 AI 模型更加权威和值得信赖。此后，它被数百篇论文引用，这些论文扩大和扩展了这个仍然是活跃研究领域的概念。 20 世纪 90 年代中期，Ask Jeeves 服务（现为 Ask.com）以其穿着考究的代客为吉祥物，普及了问答服务。 IBM 的 Watson 于 2011 年成为电视名人，当时它在 Jeopardy! 比赛中轻松击败了两位人类冠军！

框 1. ChatGPT-4 自主功能示例

人工智能工具可以生成引人入胜的帖子，建议趋势标签，甚至编辑图像或视频。这可以让您更多地专注于与受众的联系，而不是内容创作，从而帮助您保持在线形象的新鲜感。人工智能算法还可以研究市场趋势和消费者习惯，为企业提供数据驱动的见解，以做出更明智的决策。无论是自动化内容还是改善客户体验，生成式人工智能都被证明是商业中的必备品。就像机器人学习在迷宫中导航一样，GAI 中的强化学习涉及模型探索不同的方法并接收有关其成功的反馈。

生成式人工智能的定义：它的工作原理、优点和局限性 – 科技共和国

Generative AI Defined: How It Works, Benefits, and Limitations.

发布时间：2024 年 10 月 24 日星期四 07:00:00 GMT [来源]

Continued research aims to overcome current limitations, enhancing the computational power and efficiency of generative models.这一进展有望带来更复杂的应用程序，使系统能够以更大的创造力和更少的监督来执行多项任务。随着生成式人工智能模型更有效地使用神经网络，它们将能够通过各种媒体形式生成与人类创建的内容越来越难以区分的内容。另一个关键限制是模型’ 对现有数据的依赖，这限制了他们在训练参数之外产生真正新颖的想法或概念的能力。训练数据的质量和多样性直接影响输出，有时会导致重复或可预测的内容。解决这些技术限制需要持续研究更高效的算法、增强的计算框架以及使生成人工智能更深入地了解人类背景和创造力的方法。

为什么人工智能编码助手最适合经验丰富的开发人员

例如，聊天机器人导师将通过提供实时、个性化的指导和支持来改变教育环境。这项技术可以实现动态、技能自适应教学方法的梦想，无需教师持续干预即可直接响应学生的需求。创新的技术可能性很有趣，但实际情况往往会减慢其推出速度。就生成式人工智能而言，构建和维持法学硕士和算法所需的后端工作量可能会超过任何节省劳动力和生产力的好处。人工智能技术转型的结果，包括就业前景，并不是预先确定的。国际劳工组织表示：“是人类做出了采用此类技术的决定，也是人类需要指导过渡过程。”

• NLP 使机器能够理解、解释和生成人类语言，从而促进翻译、情感分析和语音激活助手等应用。
• 正如他所说，你可以租一辆车，然后用这辆车开车撞墙或去海滩，就像你可以使用 genAI 来产生可怕的幻觉或提高开发人员的实际生产力一样。
• 我们的专业级助手利用 GenAI 的强大功能，从您每天使用的产品中完成手头的任务。
• 此外，生成式人工智能模型在语言翻译、文化之间架起桥梁并促进全球范围内的交流方面发挥了重要作用。

这项研究由 Indeed 招聘实验室进行并发布，采用 OpenAI 的 GPT-4o 模型来研究 Indeed 职位发布中的一系列工作技能，从客户管理到酒店接待。一项新的研究表明，与体力工作相比，专业人士和办公室职员更容易受到生成式人工智能进步的影响，但它还没有准备好成为任何类别的就业杀手。事实上，所研究的 2800 种工作技能中没有一项受到人工智能立即大规模灭绝的威胁。在利用技术解决问题时，我们对这款变革性产品的愿景遵循“少即是多”的原则。

使用生成式人工智能编写代码有哪些好处？

寻求有关如何驾驭人工智能工具世界的建议？提交您希望里斯·罗杰斯回答的任何问题，并使用主题行“提示”。在后台，嵌入模型不断为新的和更新的知识库创建和更新机器可读的索引（有时称为向量数据库）。

像稳定扩散这样的工具已经受到重视，使创作者能够根据文本描述生成详细而复杂的图像。这些工具依赖于经过大量数据集训练的复杂神经网络，使它们能够生成高度真实且多样化的输出。生成式人工智能工具的可访问性使内容创建民主化，使个人和企业能够制作高质量的内容，而无需广泛的技术技能。此外，该技术当前的能力虽然令人印象深刻，但也并非没有局限性。

ChatGPT 等工具的独特之处在于它们能够创建高质量的书面和视觉响应，即生成式人工智能。以下是您需要了解的有关生成式人工智能技术的信息，包括它是什么、它如何工作以及企业主如何使用它来提高效率、改进产品和服务以及降低成本。如果您受到人工智能潜力的启发，并渴望成为这个令人兴奋的前沿领域的一部分，请考虑报名参加普渡大学的人工智能和机器学习研究生课程。这门综合课程提供人工智能和机器学习方面的深入知识和实践经验，由来自世界领先机构之一的专家指导。

这意味着 RAG 的应用程序可能是可用数据集数量的数倍。是的，这是简短的答案，因为如果员工可以做一些更有趣的事情，我可以帮助该消费者解决更具挑战性的问题。当你不必做日常枯燥的工作时，工作满意度肯定会上升。还有那些年薪六位数以上的工薪关系经理，他们的工作有些无聊。如果你能最大限度地减少这些，那些经理就会对他们的工作更感兴趣，并能够增加价值。

在图表中，条形的长度反映了法学硕士可以将完成时间减少 50% 或更多的主要职业组任务的份额。乍一看，该数字帮助我们发现一些领域——例如计算机工作、办公室和行政支持、商业和财务运营以及工程——因暴露程度相对较高而脱颖而出。体力密集型蓝领行业面临的风险最小，而薪酬较低的服务业工作也可能受到较小的影响。

例如，加州拥有多种有希望的方法，可以为试点人工智能特定部门谈判和其他结构性方法提供信息，以赋予工人更大的发言权。 2023 年，加利福尼亚州颁布了立法，成立了快餐委员会，这是一个由行业和劳工代表组成的全州委员会，负责制定行业工作条件和标准。同样，欧洲劳资委员会提供了一个有据可查的模型来吸收工人的声音。正如许多观察家所强调的那样，这些变化既带来了机遇，也带来了风险。一方面，生成式人工智能有潜力补充数百万工人的技能，使他们更加富有成效、富有创造力、信息灵通、高效和准确。另一方面，雇主可能会选择将员工的部分甚至全部工作自动化，从而导致可能的失业并削弱对以前受欢迎的技能的需求。

它涵盖了广泛的技术，使计算机能够根据数据进行学习和推理，而无需针对特定任务进行显式编程。生成式人工智能对经济的影响取决于它是否提高了许多重要工作任务的生产力，以及它的采用速度和强度。本专栏使用来自美国的调查数据表明，与其他变革性技术相比，生成式人工智能的采用速度相当快，并且工人正在将其用于广泛的任务。

通过向员工传播学习和最佳实践，人工智能工具提高了生产力和客户情绪，并提高了员工保留率，而不会造成大量失业。在某些关键方面，生成式人工智能工具在信息技术中是新颖的，因为它们能够根据人工智能模型训练的数据创建全新的内容。这就是他们“富有创造力”的原因。 作为机器学习的一种类型，生成式人工智能作为一种算法，可以生成各种新内容，包括图像、音乐、文本、音频、视频和代码。该技术由大型语言模型（LLM）支持，该模型在大量数据集上进行训练，检测统计模式和结构，然后模型使用这些模式和结构来生成新内容。

未来的监管改进应包括公平的税收结构、赋予工人权力、控制消费者信息、支持人类互补的人工智能研究，以及针对人工智能生成的错误信息采取强有力的措施。生成式人工智能有望提供个性化的在线内容，有可能增强和定制用户体验。它还可以扩大对内容的访问——例如，通过即时语言翻译或让残疾人更容易访问内容。

据 Marron 称，目前约有四分之一的员工在使用 LibertyGPT，平均每人每周节省 1.5 小时的时间。承保、技术、索赔和营销团队利用该工具进行总结和知识管理。他强调说，提升区是“你可以利用助手来完成接近你技能水平的任务，并且你仍然可以完全控制”。换句话说，你有能力自己完成所有工作，但你选择让 genAI 助手来补充这项工作（例如，你编写函数，然后让一个助手用三行描述记录每个函数的作用）。因为您可以自己完成这项工作，所以您可以轻松验证 genAI 机器人是否做得很好。

最重要的进步之一是我们如何训练自动驾驶汽车，利用生成式人工智能来模拟无数的驾驶场景，从而提高安全性和效率，而无需进行实际测试。同样，在灾害管理领域，生成式人工智能可以更准确地预测自然灾害，提供可以挽救生命并减少经济损失的关键数据。 ChatGPT 的发布已经向世界展示了生成式人工智能在理解和生成类人文本方面的潜力，为客户服务、教育和娱乐领域开辟了新的可能性。然而，随着生成式人工智能在社会中变得越来越根深蒂固，围绕人工智能生成内容的道德问题将需要警惕的监督。开发确保负责任地使用人工智能的框架对于减轻错误信息和版权侵权等风险至关重要。

生成式人工智能如何为变革性的联邦行动铺平道路 – 美联储独家新闻

生成式人工智能如何为变革性的联邦行动铺平道路。

发布时间：2025 年 1 月 23 日星期四 20:30:44 GMT [来源]

现在，生成式人工智能工具可以通过生产力套件直接使用，许多公司面临的一项挑战是如何让员工使用这些工具来提高生产力。 S 研究总监克里斯·马什 (Chris Marsh) 表示，远藤并不是唯一一家为工人寻找创新方法来尝试新工具的公司。&P 全球市场情报。 Endo 首席信息官兼 IT 高级副总裁 Cheryl Stouch 表示，一项名为“Digital Ask Me Anything”的新培训计划可帮助员工使用生成式人工智能工具。关于如何使用生成式人工智能 (gen AI) 来改进工作、自动执行重复性任务、总结会议和客户参与以及综合信息的文章不计其数。还有许多虚拟图书馆充满了提示指南，可以帮助我们使用 gen AI 工具获得更有效甚至更梦幻的输出。许多常见的数字工具已经具有集成的人工智能副驾驶功能，可以自动增强和完成写作、编码、设计、创造以及您正在从事的任何工作。

如果您更有经验，请考虑更深入研究复杂概念和技术的高级课程。确保课程涵盖您有兴趣学习的主题和技能。此外，还可以考虑参加人工智能领域知名的知名机构或组织的课程。来自公认实体的认证可以提高您的信誉并帮助您在潜在雇主面前脱颖而出。寻找提供灵活时间安排、在线选项和自定进度学习且在您预算范围内的课程。这意味着您将了解如何构建法学硕士，从数据收集和模型选择到性能评估和部署。您还将向行业研究人员和从业者学习，加深对生成式人工智能为企业带来的各种挑战和机遇的理解。

Operator 还不值得每月 200 美元的 ChatGPT Pro 订阅 – 这就是为什么

人工智能驱动的聊天机器人提供即时客户支持，全天候回答查询并协助完成任务。这些聊天机器人可以处理各种交互，从简单的常见问题解答到复杂的客户服务问题。人工智能对游戏行业产生了重大影响，创造了更加真实和引人入胜的体验。 AI 算法可以在非玩家角色 (NPC) 中生成智能行为、适应玩家动作并增强游戏环境。人工智能增强机器人’ 能力，使他们能够精确有效地执行复杂的任务。在制造业等行业，人工智能驱动的机器人可以与人类一起工作，处理重复或危险的任务，从而提高生产力和安全性。

CoCounsel Drafting 将通过连接到您的内容、查找相关的过去工作并让您验证和选择适合手头任务的正确文档来解决从哪里开始的问题。最后，CoCounsel Drafting 将检查常见错误、缺少定义、计数问题……所有在您将文档交付之前必须完成的最后一步工作。如今，CoCounsel 融入到我们的律师事务所和企业法律解决方案中，包括 Westlaw Precision with CoCounsel 和 Practical Law Dynamic with CoCounsel。 Checkpoint Edge with CoCounsel 是我们首款面向税务专业人士的生成式人工智能产品，目前正处于测试阶段，CoCounsel Audit 和 CoCounsel Advisory 也正在开发中。

这是宾夕法尼亚大学沃顿商学院管理学教授彼得·卡佩利 (Peter Cappelli) 在麻省理工学院最近的一次活动上发表的讲话。从累积的角度来看，生成式人工智能和法学硕士可能会为人们创造更多的工作，而不是减轻任务。 LLM 实施起来很复杂，并且 “事实证明，生成式人工智能可以做很多我们并不真正需要做的事情，” 卡佩利说。谷歌地图是一款综合性导航应用程序，利用人工智能提供实时路况更新和路线规划。其主要功能是能够提供准确的方向、交通状况和预计的旅行时间，使其成为旅行者和通勤者的必备工具。 Spotify 使用人工智能根据用户收听历史记录推荐音乐，创建个性化播放列表，以保持用户的参与度并让他们发现新的艺术家。

他们表示，组织必须为下一个拐点做好准备——从个人实验转向战略性地捕捉技术价值。研究人员强调，否则，雇主可能会错过生成式人工智能的潜在好处，并会进一步落后。与此同时，麦肯锡发现，组织在技术的使用方面落后了。研究人员 Charlotte Relyea、Dana Maor、Sandra Durth 和 Jan Bouly 在对调查结果的分析中建议，为了充分利用员工的动力，公司必须采取整体方法来改变他们使用生成式人工智能的工作方式。

无论模型是针对围棋中数百万步棋 (AlphaGo) 还是 PB 级互联网规模文本 (LLM) 进行预训练，其工作都是模仿模式 - 无论是人类游戏玩法还是语言。它无法正确思考复杂的新情况，尤其是那些样本之外的情况。此外，Verizon 的一位人才招聘高管最近告诉 HR Dive，在确定谁适合学习人工智能新技能时，公司不应仅仅根据技术知识来关注求职者或员工。

企业通信决策者面临着不断变化的环境，技术日新月异，业务/管理挑战激增。为了跟上所有这些变化的步伐，他们需要可靠的信息和分析来源——这就是 No Jitter 的目的。 No Jitter 是为企业通信专业人士提供客观分析的业界领先来源。