生成式人工智能对视听行业有什么影响？

　　一年前的这个时候，ChatGPT还是闻所未闻的。然后几乎一夜之间，世界各地的每个人都在谈论它，几乎不止于此。ChatGPT让很多人想知道生活是否还会一样。

　　简短的回答是否定的，但不一定是显而易见的。一个主要的例子是担心ChatGPT和其他类型的人工智能会夺走人们的工作。了解这种情况在专业视听中如何发展的一种方法是观察在实施人工智能方面领先的其他行业。

　　例如，电气行业正在使用ChatGPT和其他生成式人工智能工具来完成电缆管道和照明系统的设计等任务。电气也是一个例子，说明专业视听最终可能会拥有满足行业特定要求的定制生成式人工智能工具。一种使用ChatGPT设计电气走线的工具，其速度比人类在计算机上手动完成的传统方式快70%。

　　电气行业也长期缺乏技术工人。这就是就业形势变得更加微妙和不那么悲观的地方。电气承包商和设计公司使用生成式人工智能并不是因为他们想裁员，而是因为他们一开始就找不到足够多的合格人员。

　　电气公司表示，生成性人工智能工具能够完成高达30%的初始设计。通过承担这项初步的繁重工作，生成式人工智能解放了他们的高技能、高薪员工，让他们专注于在这个基础上发展，并增加只有人类才能实现的价值。如果这意味着公司现在可以承担比其员工在没有生成式人工智能的情况下所能处理的更多的项目，那么这也可以增加收入。

　　所有这些给我们带来了更大的压力，让我们考虑使用人工智能等工具，因为我们需要真正优秀的人做真正优秀的事情：花时间与客户相处，做增值的事情。我们不希望他们做的是一堆重复的任务。

　　如果说这片乌云有潜在的阴暗面，那就是生成性人工智能减少了新手在职业基础上崭露头角的机会。但与此同时，他们省去了很多繁重的工作，可以直接从事更有趣的工作。因此，视听公司可以使用生成式人工智能来吸引和留住员工，包括那些想使用与PC一样具有变革性的工具的员工。

　　早期

　　ChatGPT代表Chat Generative Pre-trained Transformer，用来表示该工具获取图像、音频、视频、文本等文件等原始信息，用机器学习来识别输入中的模式，然后输出一些东西。在专业视听中，这可能是会议室的基本设计和关于该项目的新闻稿或案例研究。它还可以用于生成内容，例如作为托管服务的一部分为客户的数字标牌网络生成内容。这些例子突出了多个部门，不仅是设计师和工程师，还有销售、公关和营销，如何使用生成式人工智能。

　　许多视听供应商和集成商已经使用了人工智能，只是不是生成式。但这些仍然为理解这种新型人工智能在哪里以及如何实现提供了有用的经验。一个例子是学习如何确定哪些过程可以是半自动化的，从而让人们专注于其他任务。

　　一些视听应用平台一直在使用系统的人工智能来自动检测问题，生成票证，并使技术经理能够自动化日常工作，并提供对使用模式的见解。然而，到目前为止，生成式人工智能的使用一直是非常态式的，而且大多是计划外的。

　　在问及谁在工作中使用ChatGPT，非正式调查的结果是，25%的人用过。他们中的大多数人都是工程师，用它来编写和检查代码，撰写工作说明书和研究技术，但市场营销正用它来支持创意写作、客户研究销售以及几乎所有人试着弄清楚什么有效，什么无效。

　　尽管ChatGPT品牌很快成为生成式人工智能的缩写，但它并不是市场上唯一的此类工具。其他包括DALL•E 2、微软的Azure OpenAI服务、Midtravel和Transcend等。考虑到生成性人工智能正在产生的所有影响，可以肯定的是，会有更多的初创公司和主要IT供应商进入市场。对于视听公司来说，大供应商生态系统带来的一个挑战是确定哪些公司在一到三年内仍将存在，可以支持其生成的人工智能产品。

　　主要的视听供应商可能会开发自己的生成式人工智能工具，供顾问和集成商使用。在这些定制产品到来之前，另一个考虑因素是哪些工具可以应用于专业视听，而无需进行大规模、昂贵的定制。这是另一个有助于观察其他职业的例子，看看他们面临的和正在做的事情。

　　在《生成式人工智能革命CEO指南》中说道：调整现有的开源或付费模式具有成本效益。在2022年的一项实验中发现，精细调整的大型语言模型(LLM)以完成复杂的法律分类需要花费一万元至十万元。这样的应用程序可以节省律师数小时的时间，每小时的费用高达3000元。

　　另一种选择是从头开始构建一个工具，然后对其进行培训。这是一种昂贵的投资，只有大型的视听集成商或视听供应商才能负担得起，但它可以使这些公司获得更大的竞争优势。

　　培训定制大型语言模型将提供更大的灵活性，但它的成本和能力要求都很高：根据AI21实验室的数据，培训一个具有两种配置、每种配置运行10次的15亿参数模型估计需要160万美元。为了将这项投资放在背景下，AI21实验室估计，谷歌在培训BERT方面花费了约1000万美元，而OpenAI在GPT-3.2的一次培训上花费了1200万美元。请注意，成功的大型语言模型需要多轮培训。

　　这些成本以及数据中心、计算和人才需求远高于其他人工智能模型的相关成本，即使是通过合作伙伴关系进行管理。证明这项投资的门槛很高，但对于真正差异化的用例，模型产生的价值可以抵消成本。

　　为什么遍及全公司的人工智能战略是关键

　　这些重大而复杂的决策，加上一家视听公司的多个部门可以使用生成式人工智能，突显了制定全公司战略的重要性。这需要高层的支持。

　　今天的重点可能是生产力的提高和技术限制，但商业模式创新的革命即将到来。正如世界上第一款免费网络浏览器Mosaic开创了互联网时代，颠覆了我们的工作和生活方式一样，生成性人工智能有可能颠覆几乎所有行业，既有竞争优势，也有创造性破坏。这对领导者的启示很明确：今天令人窒息的活动需要演变成由高管拥有的生成性人工智慧战略。

　　生成式也可以成为确定利用所有类型人工智能的所有方法的总体倡议的一部分。

　　人工智能的应用和商业利益是无穷无尽的，因此存在问题：专注。尤其是视听行业，在采用先进的CRM工具方面进展缓慢，这些工具现在正在使用人工智能来改善机会资格、工作流程和转换。销售团队的GPT可以发现账户内的机会，建议下一步行动，并自动化通信。人工智能工具内容助手使用GPT创建副本、社交媒体帖子和自动化跟进。

　　现在，人工智能工具正在帮助加快变革并扩大成本降低。这是一个很好的例子，说明人工智能是如何支持和增强现有业务运营的工具，而不是解决方案本身。

　　部分原因是有这么多部门可以使用生成式人工智能，因此在开发和实施它时，数据安全应该是首要考虑因素。生成式人工智能供应商依靠稳定的现实世界输入来训练他们的工具，这样他们才能不断变得更智能。对于视听公司来说，这就带来了确保专有/机密客户或公司数据不会被人工智能工具的供应商使用的挑战。

　　很明显，所有数据的收集、存储和使用都需要遵守数据隐私法。你肯定会期望所有系统的人工智能都应该遵循同样严格的IT安全和隐私控制。

　　然而，生成式人工智能的不受控制的使用会造成大的风险。例如，我们已经看到法律界暴露在不明智地使用人工智能生成的判例法中，这被证明是错误的，导致了取消资格。另一个关键考虑因素是生成式人工智能使用的数据源。如果它们不完整，则会使工具的输出倾斜。

　　偏见的长期存在和传播会带来风险。例如，如果我们问ChatGPT 4.0，“礼堂最好的扬声器是什么？”我们会收到关于设计考虑的好建议，但也会收到关于特定制造商产品的建议，而不是其他制造商的建议。给所有人的建议是，即使你不使用人工智能，其他人也会使用，这可能会给你带来竞争劣势。

　　我们还看到了与30年前互联网的相似之处，当时企业主决定为整个公司提供在线访问。

　　老板认为，我们能够继续创新并保持领先地位的唯一途径是鼓励好奇心、探索和自学。因此，我们会给任何商业领袖同样的建议：在企业内提供免费和不受限制的人工智能工具访问，但也要提供一个框架、一些工具和支持，以加速伟大的想法，但也会出现一些失败。