生成式人工智慧，是一組機器學習模型，經過訓練可以根據提示猜測下一組單字或正確的圖像來創建。
近期，主流媒體都十分擔心Alexa、Siri和Google的數位助理。這是因為，到目前為止，這些產品還沒有使用生成式人工智慧。生成式人工智慧，是一組機器學習模型，經過訓練可以根據提示猜測下一組單字或正確的圖像來創建。
DALL-E、Stable Diffusion和Midjourney在影像生成方面很受歡迎，並於2021年初問世。但最新的炒作是圍繞著大型語言模型，特別是OpenAI創建的ChatGPT。當有人輸入提示和風格建議時，結果可以輕鬆閱讀並提供實際資訊或資訊假象。
所有的設備都是令人興奮的，並將對工作完成、創建內容以及建立業務的方式產生重大影響。但，人們擔心生成式人工智慧的準確性。使用生成式人工智慧進行輕鬆宣傳、詐騙和其他惡意行為的能力，我們仍然必須應對這些問題，而不是簡單地盲目地接受生成式人工智慧是改變世界的技術。
也就是說，目前我們正處於技術專家盲目相信生成式人工智慧的階段，包括向試驗用例和新模型的企業投入數十億美元的投資。我們還處於這樣一個階段：媒體成員花費數小時試圖欺騙這些模型，使其行為不端，或試圖證明人工智慧是有感知力的，並且可能對我們懷有敵意。
但這不是本文的重點。本文的重點是關註生成式人工智慧將對物聯網的部署和使用方式產生重大影響的領域。例如，我們可以在哪裡使用它來改善用戶體驗?它可以幫助或接管哪些類型的工作?除了文字和圖像，還有哪些其他生成式人工智能模型有助於物聯網?
從智慧家庭開始。與其將Amazon Alexa與聊天機器人混淆，不如說它和其他數位助理將繼續使用自然語言處理(NLP)來“理解”，然後對各種基於任務的請求採取行動，例如“開燈”或“早安「以啟動喚醒程序，同時也加入了GPT樣式的聊天機器人來處理需要更深入交流的請求。
一個好的數位助理不會只有一個或兩個模型，而是由任何版本的模型組成，為使用者提供最實用的功能。還有經濟方面的擔憂。呼叫聊天機器人可能會產生費用，需要不同的商業模式，而且並不是每個人都願意付費訂閱。
此外，我們很快就會看到聊天機器人式的生成式AI模型在家庭中被應用。近期Home Assistant的創辦人Paulus Schoutsen示範如何使用HomePod存取GPT風格的聊天機器人來給其孩子講故事。
事實上，將已經成為數位助理一部分的NLP與生成式AI模型結合使用的效用對於SoundHound來說是顯而易見的，它正在引入一個將語音助理與生成式AI相結合的平台。所以ChatGPT不會取代Alexa，但它可能最終會成為Alexa的一部分，以Alexa為介面，而ChatGPT只是它提供的眾多服務之一。
ChatGPT或生成式AI模型將產生影響的其他智慧家庭領域包括兒童玩具、健身服務、食譜或活動建議。這是因為生成式人工智慧實際上只是為日常物品添加連接和感知的另一個原因，可以提供個人化的訓練數據，或充當此類服務的管道。
在企業方面，使用生成式AI幫助業務人員無需編碼即可實施數位解決方案具有明顯的實用性。一個例子是Software AG如何將其Web Methods雲端到雲端整合平台與生成式AI模型結合，以幫助員工弄清楚如何連結資料和各種數位服務。最終，隨著在建築物、生產線、商業廚房等中連接更多的東西，使用簡單的書面語言告知連接設備如何與連接的業務軟體一起工作將幫助管理人員變得更有效率和能力。
在工業環境中，ChatGPT的前景伴隨著引人注目的用例和注意事項。有些人支持將生成式人工智慧用於預測性維護等方面。生成式AI模型的工作原理是透過對大量資料進行訓練，然後產生最有可能的下一個元素。因此，在大型語言模型中，生成式AI模型正在對大量文字進行訓練，並產生模型認為最有可能出現的下一個單字或短語。
據推測，有了足夠的機器數據，模型可以決定下一步該做什麼，並在預期結果不正確時發送警報。但老實說，這感覺有點矯枉過正，因為傳統的異常檢測非常適合預測性維護，且成本也低得多。生成式人工智慧可能變得有趣的地方是透過獲取流程數據並建議替代工作流程，或者透過使用書面語言來描述工作流程並讓人工智慧為某人編碼。
但也有需要注意的地方。這些模型僅與其訓練資料一樣好，在某些情況下可能會產生錯誤的答案，但可以寫得很好，以至於很難確定其是否錯誤。
考慮到圍繞生成式AI的智慧財產權鬥爭，最後一個擔憂「感覺」會成為一個問題。但實際上，對訓練資料的實際來源設定限制相對簡單——即使基於專有資料建構的模型部署在預期工廠或企業之外。
關於生成式AI模型的創建方式及其工作方式的時間和教育將解決一些IP問題。由於進入這個週期僅幾個月，相信未來將看到生成式AI變得與電腦視覺和NLP一樣重要，並被接受。
以上是生成式人工智慧在物聯網中的地位如何？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
