如何解锁生成式人工智能的隐藏价值
新浪财经ESG评级中心提供包括资讯、报告、培训、咨询等在内的14项ESG服务，助力上市公司传播ESG理念，提升ESG可持续发展表现。点击查看【ESG评级中心服务手册】提示工程（Promptengineering）只是开始，探索更多可能，正当其时。ChatGPT的横空出世，一如近三十年前问世的Mosaic浏览器，都将对这个世界产生深远影响。1993年，作为全球首款免费网络浏览器，Mosaic的推出掀起了一场互联网革命。新生的线上分销渠道给各行各业的供应和变现模式带来了一场革命。例如，数字下载和流媒体服务订阅迅速成为媒体行业的“新常态”，而百视达（Blockbuster）和TowerRecords等坚持旧有商业模式的企业则很快发现，自己已经陷于困境。正如我们的同事菲利普•埃文斯（PhilipEvans）和托马斯•沃斯特（ThomasWurster）所写的那样，“受新兴信息技术冲击，最受瞩目的商业模式也可能在未来灰飞烟灭。”一场同样深刻的革命即将上演，而ChatGPT只是这场革命的冰山一角。虽然Gen-AI的应用前景广阔，但企业只是在优化现有的技术，而不是追求更长远的创新。例如，许多相关企业在大力投资提示工程技术1，以至于涌现出了像PromptBase这样专门交易提示词（Prompt）的平台。这种投资或许可以产生短期收益，比如提高一些工作效率，但却未能乘上当前加速变革（类似大语言模型领域的摩尔定律）的大潮。1提示工程（PromptEngineering）指在不更新模型参数的前提下、通过输入文本等方法来操控大型语言模型（LargeLanguageModel）以指导其行为、引导其生成我们需要的结果的方法。此外，虽然我们知道不是一切都会发生变化，但互联网革命的经验告诉我们，世界的变化将难以预测。未来五到十年，基础模型（如支撑ChatGPT等应用的底层模型GPT3.5）和供应商（例如OpenAI和StabilityAI）的市场格局或将发生巨大变化。从市场的快速变化即可看出这一趋势：谷歌迅速推出Bard争夺市场份额，还有大规模投资涌入Gen-AI初创企业。目前尚不清楚Gen-AI的用例有多大的潜力，也不清楚将对商业产生何种影响。因此，企业应该以重塑未来商业模式为目的，在组织内部和产品方面探索如何应用Gen-AI技术，着力挖掘有潜藏的巨大商机。在进行相关研究和与客户进行沟通时，我们发现，有早期迹象显示，部分企业已在有目标地开展相关实验。例如，一些企业已将Gen-AI探索项目定位为“特殊项目”，并在一开始就为其配备了创新沙盒。我们还看到有企业组建了跨职能团队，整合设计、营销、业务和技术等各方力量，激发灵感碰撞。要想获得最有效的实验效果，企业应同时对商业运营和新技术进行探索。员工队伍会受到哪些影响？虽然企业不应将提高工作效率作为实验的唯一目标，但还是应该在组织内进行小规模实验，了解自己组织的独特文化会受到哪些影响以及在哪些方面可以最大限度地提高工作效率。这些实验不应局限于探索如何使用AI来增进任务能力，而是要关注人与人工智能相结合的合作模式，从而识别能够优化具体任务或职能部门工作的应用模式。与传统AI对团队合作和互动模式的影响类似，Gen-AI或将对团队氛围产生全新影响，因而需要开发出创新型解决方案来打造积极、高效的工作环境。例如，GitHub进行了一项实验，评估使用其工具Copilot对开发者的工作效率和幸福感产生的影响。他们发现，88%的开发者认为，使用该工具有助于提高自己的工作效率，60%—70%的开发者则表示自己获得了更大的工作成就感。也有一些公司另辟蹊径，尝试使用定制化解决方案来提高生产力。比如谷歌就设计了自己的集成开发环境（IDE），用于预测开发者后续会输入哪些代码，借助该工具，产品迭代时间可以缩短6%。如何为企业定制解决方案？有部分企业选择利用自己的专有数据来微调基础模型应用，以此取得定制化效果。例如，咨询公司正在用专有数据做尝试，对内容丰富但存储分散的知识库进行集中管理，同时提供便捷的查询路径。如此一来，即便出现人员流动，也可以确保相关知识可以保存在公司之中，让员工可以便捷地查询到专家信息，而不会给相关工作人员造成太大负担。在采矿等传统行业中，由于许多老专家已临近退休年龄，新工程师又青黄不接，如果能将知识储存在ChatGPT等互动聊天机器人中，将大有裨益。再举个例子，Jasper.ai是一款生成营销内容并基于专有营销数据进行微调的专业应用。营销团队和销售团队可以使用这些工具快速创建高质量内容。鉴于微软计划为ChatGPT推出定制功能，开发此类应用将变得容易许多。但企业也不能只盯着ChatGPT，其他许多大语言模型（如Anthropic、BERT和Macaw）也大有用武之地。除了现有的专有数据，企业还应研究如何将各类专业化数据数字化，以便与基础模型一起使用。2022年12月，英伟达发布了BioNeMO，这是一款旨在支持分子数据表示、化学结构和其他功能的基础模型。BioNeMO预计将大大缩短新药研发时间。事实上，2023年1月，ProFluent就曾做过展示，该公司使用2.8亿个蛋白质序列对基础模型进行训练，并利用该模型创造出了此前未曾发现的酶，其中一些具有抗微生物的特性。在探索Gen-AI新能力的过程中，可以使用哪些创造性方法？鉴于Gen-AI仍处于起步阶段，企业必须发散思维，为Gen-AI寻找独特或隐藏的应用场景。但是，如果缺少适当的管控举措来有效管理意料之外的使用，那么隐藏能力（也称能力过剩）或将构成严重威胁。如果能够发现Gen-AI的独特能力，并加以妥善控制，企业将在市场竞争中获得明显优势。要想探索Gen-AI的独特能力，可以考虑将现有数据转化为新的形态（比如将数字数据转化为视觉数据），方便利用现有的许多预训练模型，如此一来，企业将可以充分利用Gen-AI应用的既有能力，在不改变基础系统的情况下产生新的输出。通过这种方式，只需对基础模型和转换数据进行微调，即可解锁各种可能。例如，Riffusion将原始音乐数据转化为频谱图（以图像形式展示的音乐频谱），并使用频谱图对StableDiffusion进行微调，打造出一款支持文本输入（如“SunriseDJsettohardsynthsolo”）并据此生成全新音乐作品的系统。另一个整合现有Gen-AI系统并通过转换数据提供全新解决方案的例子是tome，该应用可以将输入的自然语言自动生成幻灯片。不过这些都还只是开始。目前，转化数据在Gen-AI以外的领域也已有应用，比如声学成像可以用于发现压缩空气系统的空气泄漏问题。可以想象，此类应用的准确度还将进一步大幅提高，甚至可以让Gen-AI实时检测成为现实。在材料科学领域，科学家们突破了传统设计思维（通过已知的材料结构为特定用例探索最佳属性），转而进行“逆向设计”，这是Gen-AI的另一个独特能力。在进行逆向设计时，科学家们首先要设计出所需的属性，然后再利用基础模型生成具有相应属性的化学化合物，换句话说，逆向设计是“从属性到结构”，而不是传统的“从结构到属性”。虽然逆向设计目前仍主要用于材料科学领域（航空航天、医药、电子等领域也有涉及），但其他行业也可以借鉴这种理念，重新思考哪些要素可以事先主动设计，而不是被动决定。在上述示例中，企业可以直接从训练基础模型（如DALL-E2、ChatGPT、StableDiffusion和Midjourney等基础应用）所投入的财务、工程和研发资源中受益。如此一来，企业即可在不大量投资开发新模型的情况下，比竞争对手先一步发现诸多基本的新用途和价值，在竞争中占得先机。高管团队应与手下的数据工程师通力合作，找出创造性的方法来发现新的解决方案，并评估哪些解决方案可能为公司带来最大价值。首先要问自己如下问题：在哪些方面还有尚未充分利用但对公司业务职能至关重要的数据？这些数据是否可以轻松用于对现有的基础模型进行微调？为方便利用现有系统，这些数据可以转换为哪些新形态？是否存在可以逆向设计的假设？你期望获得哪些输出，这些输出在组织的哪些方面可以派上用场？● ● ● 当今世界，自动化系统正被越来越多地用于提供基本功能，在此背景下，企业领导者在应用Gen-AI时应该多一些创新精神，多一些战略考量。他们还需要牢记，这场实验的最终结果是商业模式的创新。在互联网革命之后，我们不再需要像过去那样在丰富性或覆盖面之间进行取舍，传统的商业模式遭受到了毁灭性打击。在不远的将来，Gen-AI也将让现在为大众普遍接受的商业取舍成为历史。谁能把目光放长远，超越简单的小修小补，找到过去不可能实现的商业模式，谁就能在未来的竞争中占得先机。关于作者范史华（FrançoisCandelon）是BCG亨德森智库全球负责人。LisaKraye是波士顿咨询公司（BCG）驻BCG亨德森智库代表，技术与商业实验室。AbhishekGupta是波士顿咨询公司（BCG）研究员，增强型集体智能。LeonidZhukov是波士顿咨询公司（BCG）合伙人兼副董事，数据科学。关于中国区专家阮芳是波士顿咨询公司（BCG）董事总经理，全球资深合伙人，BCG组织与人才专项亚太区及中国区负责人，中国企业领导力学院负责人，BCG亨德森智库中国区联席负责人。何大勇是波士顿咨询公司（BCG）董事总经理，全球资深合伙人，BCG亨德森智库中国区联席负责人。感谢BCG同事陈瑜瑜对本文的贡献。关于BCG亨德森智库BCG亨德森智库是波士顿咨询公司的战略智库，致力于采用远见卓识来探索和开发新颖的商业、技术和科学领域的宝贵洞察。亨德森智库邀请商业领袖进行思维碰撞式的讨论和实验，以拓宽商业理论和实践，并从业务内外汲取转化创新理念。(BCG波士顿咨询)新浪财经ESG评级中心简介
新浪财经ESG评级中心是业内首个中文ESG专业资讯和评级聚合平台，致力于宣传和推广可持续发展，责任投资，与ESG（环境、社会和公司治理）价值理念，传播ESG的企业实践行动和榜样力量，推动中国ESG事业的发展，促进中国ESG评估标准的建立和企业评级的提升。
依托ESG评级中心，新浪财经发布多只ESG创新指数，为关注企业ESG表现的投资者提供更多选择。同时，新浪财经成立中国ESG领导者组织论坛，携手中国ESG领导企业和合作伙伴，通过环境、社会和公司治理理念，推动建立适合中国时代特征的ESG评价标准体系，促进中国资产管理行业ESG投资发展。
海量资讯、精准解读，尽在新浪财经APP美国联邦人工智能治理现状：法律、政策和策略
进入2023年中期，ChatGPT等生成式人工智能工具实现了持续的增长和普及。截至今年5月份，chat.openai.com的总访问量已达到18亿次。然而，随着人工智能在世界范围内的流行，它提出的问题与提供的答案一样多，其中最主要的问题是：人工智能应该如何治理？为此，国际隐私专业协会（IAPP）于6月发布报告《美国联邦人工智能治理：法律、政策和战略》（USfederalAIgovernance:Laws,policiesandstrategies），探讨ChatGPT风靡背后美国联邦人工智能治理现状。
摘译|李秋娟/赛博研究院实习研究员
来源|IAPP
在人工智能法律和政策制定层面，美国白宫、国会和一系列联邦机构（包括联邦贸易委员会、消费者金融保护局和美国国家标准技术研究院等）出台了一系列与人工智能相关的举措、法律和政策。
01 白宫的人工智能治理政策
白宫建立了人工智能战略的基础，为未来如何解决这项新技术提供了诸多法律和政策指引。其中，在奥巴马和特朗普政府之后，美国的人工智能治理政策在拜登执政期间得到进一步发展。
拜登政府
人工智能治理政策
联邦人工智能治理政策的里程碑之一是2022年10月发布的《人工智能权利法案蓝图》。为“指导自动化系统的设计、使用和部署，保护人工智能时代的美国公众”，蓝图列出了五项原则，这些原则围绕安全有效的系统、防止算法歧视、保护数据隐私、通知及说明、人类参与决策制定五方面展开，为人工智能治理提供了支持框架。
此外，今年2月，拜登总统签署了《关于通过联邦政府进一步促进种族平等和支持服务欠缺社区的行政命令》，提出要“指示联邦机构根除在设计和使用AI等新技术时的偏见，并保护公众免受算法歧视。”
2023年5月下旬，拜登政府又采取了多项行动，进一步界定白宫的人工智能治理方法。美国科学和技术政策办公室（OSTP）发布了修订后的《国家AI研发战略计划》，试图“协调和集中联邦对AI的研发投资”。OSTP还发布了一份信息请求，寻求有关“减轻人工智能风险、保护个人权利和安全以及利用人工智能改善生活”的意见。
02 国会的人工智能治理政策
国会以其特有的渐进方式制定人工智能政策。2019年以前，立法者对人工智能的大部分关注都集中在自动驾驶汽车、国家安全领域人工智能的应用等领域。
2021年1月，美国正式颁布《2020年国家人工智能倡议法案》，旨在确保美国在全球AI技术领域保持领先地位，是与AI相关的一项重要立法发展。该立法强调要进一步强化和协调国防、情报界和民用联邦机构之间的人工智能研发活动；同时，设立国家人工智能倡议办公室，承担“监督和实施美国国家人工智能战略”等职责。
为应对人工智能在各个领域日益频繁的使用，国会还修改了现有的法律和政策。例如，在通过《2018年美国联邦航空局重新授权法案》时，国会增加了“建议联邦航空管理局定期审查航空人工智能状况，并采取必要措施应对新发展”的措辞。另外，《推进美国人工智能法案》和《人工智能培训法案》是第117届国会（任期为2021年1月-2023年1月）提出或通过的其他AI相关立法。
近期美国提出的
人工智能相关立法
为了更好地应对人工智能时代，当前的第118届国会也提出了诸多新法案和修法建议，具体包括：
1．HR3044（2023年5月发布）。该法案将修订1971年的《联邦选举活动法案》，设定在政治广告中使用生成式人工智能的透明度和问责制规则。
2．众议院第66号决议（2023年1月出台）。该决议的既定目标是“确保人工智能的开发和部署以安全、合乎道德、尊重所有美国人的权利和隐私的方式进行，并确保人工智能的益处得到广泛传播，并且将风险最小化。”
3．《停止监视法案》（StopSpyingBossesAct），将禁止雇主为了预测其员工行为，而在工作场所使用自动决策系统进行监视。
4．《美国数据隐私和保护法案》（AmericanDataPrivacyandProtectionAct，ADPPA）所定义的“覆盖算法”，将使用机器学习、自然语言处理或AI技术的计算过程纳入在内。最新版本的ADPPA还规定，如果某些实体“以对个人或群体造成伤害的间接风险的方式”使用上述算法，则应当进行影响评估。另外，只要覆盖算法执行了“单独或部分收集、处理或传输覆盖数据以促进相应决策”的操作，该实体就需要记录“算法设计评估”过程以减轻风险。
5．《过滤气泡透明度法案》（FilterBubbleTransparencyAct）将适用于使用“算法排名系统”的平台。
6．《消费者在线隐私权法》（ConsumerOnlinePrivacyRightsAct，COPRA）将源自AI的计算过程纳入“算法决策”的定义范围内。
03 联邦机构的人工智能治理政策
事实上，每个联邦机构都在联邦政府内部以及较小程度上围绕商业活动推进AI治理战略。
国家标准与技术研究院（NIST）率先于2019年8月针对EO13859发布了报告《美国在人工智能领域的领导地位：联邦参与开发技术标准和相关工具的计划》。该报告确定了人工智能标准的重点领域，并在“美国NIST人工智能风险管理框架”中提出了一系列推进国家人工智能标准制定的建议。
2020年年中，联邦贸易委员会（FTC）参与到人工智能治理、监管和执法中来。其发布的指南强调了FTC对公司使用生成式人工智能工具十分关注，规定公司使用生成式人工智能“有意或无意、不公平或欺骗性地引导人们在财务、健康、教育、住房和就业等领域做出有害决定”的行为受到FTC监管。
2023年4月，FTC与美国消费者金融保护局（CFPB）、司法部（DOJ）民权司、平等就业机会委员会（EEOC）发表联合声明，承诺将大力执行法律和法规，监督AI等技术的发展与使用。
与此同时，国家电信和信息管理局（NTIA）发布《人工智能问责制政策征求意见稿》，征求公众对“支持发展人工智能审计、评估、认证和其他机制以建立对人工智能系统的信任”的政策的反馈。NTIA可能会使用其收到的意见就AI治理政策问题向白宫提出建议。
许多其他美国机构也已经制定了他们自己的AI计划，并在其部门内创建了以AI为中心的办公室。例如，能源部AI智能和技术办公室与NIST协商制定了AI风险管理手册，并于2022年4月成立了AI推进委员会。商务部内部，美国专利商标局创建了人工智能（AI）和新兴技术工作组，以更好地研究这些技术在专利和商标审查中的使用及其对知识产权的影响。美国教育部教育技术办公室也于近期发布了一份关于人工智能在教育环境中带来的风险和机遇的报告。
04 美国人工智能治理的立法趋势
在世界各地，尤其是在美国，围绕人工智能治理的最紧迫问题涉及现有法律对新技术的适用性。回答这些问题将是一项艰巨的任务，涉及重大的法律修改和技术复杂性。美国现阶段的人工智能监管的侧重点，在于更多地弄清楚现有法律如何适用于人工智能技术，而不是颁布和应用新的、专门针对人工智能的法律。
例如，FTC多次表示，FTC法案第5条禁止不公平或欺诈行为适用于AI和机器学习系统的使用。FTC在其《关于使用人工智能和算法的商业指南》中也对1970年的《公平信用报告法》和1974年的《平等信用机会法》做了解释，称“两者都涉及自动化决策，金融服务公司一直在将这些法律应用于基于机器的信贷几十年来的承销模式。”
声明：本文来自赛博研究院，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系anquanneican@163.com。