生成式人工智能如何提高知识工作者的生产力

最新的不断创新的技术进步由人工智能 (AI)、机器人技术、区块链和可编程生物学等领域引领。这些技术正在从宏观和微观层面彻底改变零售、汽车、金融、制造以及更多行业。

人工智能，尤其是生成式人工智能，正在改变知识工作者的生活方式和日常工作——这些人是接受过正规教育和培训的主题专家。在编程、设计、工程和写作等职业中，生成式 AI 提高了知识工作者的生产力。

但究竟什么是生成式人工智能，是什么让它对知识工作者至关重要？让我们进一步探讨这个想法！

什么是生成式人工智能？

生成式 AI 根据人工编写的提示，使用 AI 算法自动创建文本、视频、音频和图像等新内容。

一些最著名的人工智能生成工具和产品包括：

• ChatGPT– ChatGPT 由 OpenAI 开发，是一种智能 AI 聊天机器人，能够根据用户提示提供极其详细和个性化的响应。
• DALL-E 2、Stable Diffusion和Midjourney– 这些是人工智能驱动的图像生成工具。
• Meta——这是一种人工智能驱动的视频生成工具，允许用户根据文本提示生成视频。
• Codex——它使程序员能够在几秒钟内生成多种编程语言的代码。

现在，让我们看看生成式人工智能如何影响知识工作者！

了解生成式人工智能如何提高不同领域知识工作者的生产力

根据ARK 的 Big Ideas 2023报告，到 2030 年，人工智能有望将知识型员工的生产率提高 4 倍以上。该报告还表明，如果 100% 被采用，人工智能可以在劳动生产率方面带来大约 200 万亿美元的收入AI 总支出为 31 万亿美元。如果供应商仅能提取其基于 AI 的产品创造的价值的 10%，那么到 2030 年，他们可以获得近 14 万亿美元的收入和 90 万亿美元的企业价值。

2030 年人工智能市场预测。来源：ARK 的 Big Ideas 2023

让我们详细了解 AI 生成器工具如何有助于提高内容作者、开发人员和艺术家的生产力。

1. 知识工作者：内容作者和编辑

现代企业需要经过深入研究和巧妙制作的内容来吸引受众。这就是生成式 AI 使内容作者和编辑的工作更轻松的地方。

随着 ChatGPT 等智能聊天机器人的出现，内容创建变得越来越容易和经济。根据ARK 的 Big Ideas 2023 报告，到 2022 年，ChatGPT 的每次查询推理成本约为 0.01 美元。对于 10 亿次查询，总推理成本变为 10,000,000 美元。根据赖特定律，到 2030 年，这一成本预计将缩减至仅 650 美元。

这种幅度的成本下降将使人工智能内容工具得到大规模采用。例如，到 2030 年，ChatGPT 样式的应用程序预计将与 Google 搜索的规模相匹配，每天处理 85 亿次搜索。因此，内容领域的知识工作者将更容易在日常任务中利用生成式人工智能。

2. 知识工作者：软件工程师和开发人员

鉴于复杂而漫长的软件开发周期，管理和部署软件需要一支敬业、熟练的开发人员和程序员团队。Codex 和Copilot等生成式 AI 编码工具让知识工作者的软件开发变得更轻松、更高效。

事实上，ARK 的 Big Ideas 2023报告指出，AI 编码助手将完成编码任务的时间减少了一半。到 2030 年，AI 编码助手可以将软件工程师的产出提高 10 倍。

是时候完成编码任务了。资料来源：ARK 的 2023 年大创意

3. 知识工作者：视觉艺术家和设计师

另一组被归类为艺术家和设计师的知识工作者也受到生成人工智能的影响。他们的任务通常包括使用 Adob??e Photoshop、Illustrator 和 Canva 等设计工具创建视觉概念、图形、插图和创意 UI，以提供丰富的用户体验。

借助DALL-E2、Stable Diffusion 和 Midjourney 等突破性的生成图像模型，设计师的工作效率得到了极大提高。例如，使用生成图像模型，人工在 5 小时内完成并花费 150 美元的图形设计现在可以在一分钟内毫不费力地以 8 美分完成。

4. 知识工作者：音乐家和音响工程师

生成式 AI 使创作和混音音乐曲目变得更加容易。例如，Google 的AudioLM是一种生成式音频模型，可以制作逼真的钢琴音乐并补全不完整的原声音调。谷歌还开发了一种名为MusicLM的音乐生成模型，可以根据文本描述生成优美的旋律。

早在 2020 年，Open AI 就推出了一种名为Jukebox的类似音乐生成工具，它可以根据流派、艺术家和歌词作为输入来生成新的音乐样本。此前 Open AI 还发布了基于 GPT-2 的MuseNet模型，可以使用 10 种乐器生成 4 分钟的音乐作品。

尽管生成音频模型处于初期阶段，但随着更好的生成 AI 音乐工具的出现，提高音乐家和音响工程师生产力的空间每年都会增加。

5. 知识工作者：YouTube 用户和视频内容创作者

视频内容正在蓬勃发展。2022 年大约有5100 万个YouTube 频道。视频内容的制作要经历几个阶段，包括录制、编辑、添加插图和声音以及前期和后期制作。

生成式 AI 视频平台正在简化知识工作者的视频内容生成。Synthesia.io和Pictory 等工具让视频营销人员和品牌专家更容易生成视频。这些最先进的 AI 平台允许内容创作者根据脚本制作视频。他们可以添加解说员和视频背景，以根据这些脚本制作具有专业外观的视频。

2022年9月，Meta AI发布Make-A-Video平台，可以根据文字提示生成高质量的视频片段。它在公开可用的数据集上进行了训练，以学习视频模式。它可以创建充满色彩、人物和风景的独特视频。

在短时间内创造更多高质量的内容将提高未来 YouTube 用户和视频内容创作者的生产力。

知识工作者生成人工智能的利弊

让我们看看生成式人工智能为知识工作者带来的各种好处和缺点。

知识工作者生成人工智能的优点

1. 合成数据生成：训练创新的人工智能模型需要大量的数据集，而生成式人工智能可以解决这个问题。据报道，2025 年生成的人工智能将占所有数据的10%，而 2023 年这一比例为 1%。因此，数据科学家和人工智能专家将不必面对与数据收集相关的挑战。
2. 低成本：Gartner 预测，到 2024 年，大约50%的低代码/无代码开发平台将提供“文本到代码”功能。对于开发人员而言，这意味着用最少的精力和成本获得更多的功能。

知识工作者的生成人工智能的缺点

1. 合成内容检测：虽然生成式 AI 提高了生产力，但检测生成式 AI 内容并区分它的问题将成为研究和学术界严重关注的问题。到 2024 年，欧盟将通过立法，强制对 AI 生成的工件进行“水印”。
2. 失业：如果生成式 AI 变得“太”智能，开发人员可能会面临失业。Gartner 预测，到 2025 年，20%的程序代码专业人员将不得不获得新技能，因为生成式人工智能将接管他们的核心技能。

构建生成式 AI 模型的成本

生成式 AI 是迄今为止 AI 最具创新性的分支。目前，训练生成式 AI 模型的成本很高，但正在逐渐下降。例如， 2020 年培训 GPT-3 的估计成本为 460 万美元。到 2022 年，它已降至 45 万美元。

训练 GPT-3 的成本。资料来源：ARK 的 2023 年大创意

ARK的 Big Ideas 2023报告预测，到 2030 年，参数比 GPT-3 多 57 倍（175 B 参数）的 AI 模型的训练成本仅为 60 万美元。由于训练 AI 模型的成本降低，这在很大程度上是可能的。赖特定律表明，到 2030 年，AI 相对计算单元 (RCU) 生产成本和软件成本应按年率分别下降 57% 和 47%，从而使培训成本每年下降 70%。

人工智能训练硬件成本。资料来源：ARK 的 2023 年大创意。