根据多米诺数据实验室在 REV 4 会议上的调查，90% 的数据科学家认为生成式人工智能的炒作是合理的。 受访者是在财富 500 强公司中领导、开发和运营生成式人工智能计划的专业人士。
多米诺数据实验室数据科学战略与传播主管 Kjell Carlsson 在一篇博客文章中写道：“研究结果证实了生成式人工智能令人难以置信的商业潜力及其预期的近期影响。” “然而，它也证实了关键挑战——治理、控制、隐私和公平——以及当前商用生成人工智能产品的严重局限性。”
位于旧金山的 Domino 数据实验室收集了 162 名数据科学高管、数据科学团队领导、数据科学从业者和 IT 平台所有者的回复。 报告中的一些其他意见来自 Domino 数据实验室客户。
55% 的数据科学专业人士认为人工智能将对业务产生重大影响
超过一半 (55%) 接受调查的数据科学专业人士和 IT 平台所有者表示，生成式人工智能将在未来一到两年内对其业务产生重大影响。 此外，近一半的受访者 (45%) 认为炒作只会愈演愈烈，预计生成式人工智能的影响力将比今天的预期更大。
G2、安永等公司的其他数据也显示了人工智能同样巨大的影响。 CNBC 最近对科技高管进行的一项调查发现，从 2023 年 6 月开始，人工智能是他们明年科技支出的首要任务； 第二个优先事项是云计算。
根据 Statista 的数据，人工智能初创公司（Statista 的类别包括机器学习、机器人、神经网络和语言处理）从 2020 年到 2022 年每年获得的投资总额为 50 亿美元。
大多数数据科学领导者更喜欢修改第三方人工智能
接受调查的大多数 (55%) 数据科学专业人士和 IT 平台所有者 Domino Data Lab 更喜欢使用 OpenAI、Microsoft 或 Google 等大型第三方的基础模型，但会在基础模型之上为客户创建不同的体验。 另外 39% 的人希望从头开始构建自己专有的生成式人工智能。 只有 6% 的人希望使用由独立软件供应商和其他第三方单独规划和提供的人工智能功能。
受访者认为，ChatGPT 等商用生成人工智能的最大问题是安全性（54%）、可靠性（44%）和知识产权保护（42%）。
这些担忧意味着组织需要投资于工具，以便更容易地微调生成式人工智能模型，正如 41% 的受访者计划这样做的那样。 一些人（35%）还计划实施治理功能来跟踪和管理这些人工智能模型的开发。
治理和偏见是人工智能采用的最大障碍
如今，生成式人工智能的采用仍然面临挑战。 接受调查的数据科学专业人士和 IT 平台所有者表示，他们预见到治理 (57%)、减少偏见和确保公平 (51%) 和控制 (49%) 以及寻找具备开发生成人工智能解决方案技能的员工方面将面临挑战。 49%）。
数据泄露是调查参与者提到的另一个问题。 一些人担心生成式人工智能的准确性较低或导致糟糕的业务决策（35%）和预算超支（33%）。
高层领导特别提到了对生成式人工智能解决方案的普遍治理（76%）以及当今市场上解决方案的可靠性（76%）和安全性（71%）的担忧。
生成式人工智能是否已接近其炒作的顶峰？
其他行业专家警告科技界要抑制炒作。
咨询公司 CG Infinity 总裁 Saurajit Kanungo 在一封电子邮件中表示：“人工智能潜力巨大，但这是一个巨大的高风险赌注，你的很大一部分投资可能会毫无结果。” “只有当你能够衡量商业投资回报率时才进行投资——它会降低成本还是增加收入？”
他指出 Gartner 的 2022 年人工智能技术成熟度曲线图，其中生成式人工智能接近标有“膨胀期望峰值”的点。
“我绝对相信人工智能（包括生成式人工智能）有潜力为每个组织（无论大小）带来价值。 然而……我建议高管们将人工智能视为一种进化，而不是一场革命，”卡南戈说。
他发现生成式人工智能的理由比最后一个热门技术投资趋势：加密货币的理由更充分。 “加密货币需要建立一个全新的生态系统或市场。 与用加密货币打造整个市场相比，证明组织中生成式人工智能投资合理性的商业案例是一个更容易的挑战，”Kanungo 说。
