就连一直跟踪IT变化的我，直到去年底才开始关注生成式AI。但现在大多数人整天都在谈论这项技术。重要的教训是技术变化很快。有人认为我们目前对生成式人工智能反应过度，但沃顿商学院伊森·莫林 (Ethan Moline) 的这段 10 分钟视频可能会改变你的想法。
ⓒ 盖蒂图片库
他解释了生成式 AI 工具的用途，以及使用这些工具的公司的生产力提高了 30-80%。具体来说，视频以莫利克本人制作的介绍视频开始。通过上传照片学习后，它所说的内容是作为脚本输入的 Deepfake 视频。结果令人印象深刻。他介绍了几种生成式人工智能工具，但重要的不仅仅是这些工具的存在，而是它们确实有效。根据这些数据，莫林指出，生成式人工智能技术不仅被夸大了，而且我们也不知道它会带来多大的破坏性。换句话说，生成式人工智能正在对生产力产生巨大影响。
生成式人工智能和应用程序开发
与 IT 团队或自由职业者协 美国 WhatsApp 号码数据 作创建应用程序时遇到的一个大问题是每个实体之间的通信效率不高。造成这个问题的原因有很多，其中之一是需要应用程序的人不知道如何组织他们的需求，并且无法以实际开发人员能够理解的方式解释它们。这使得需求无法正确捕获应用程序成功所需的所有组织内部关系。
另一个问题是，编写代码的人不太了解应用程序实际使用的环境。很少有人会不了解企业文化而真正使用该应用程序。结果，我体验过的许多应用程序都未能实现用户的实际需求。
此时，使用生成式人工智能，那些需要应用程序的人可以创建自己的代码。当您无法向他人清楚地解释您的需求时，生成式人工智能尤其有用。例如，人工智能工具“在用户理解的范围内”回答用户的问题。除非提前应用特殊过滤器，否则它会更快地产生结果。然而，结果可能比人类所做的更糟糕。
但人类和生成人工智能之间存在显着差异
当使用生成式人工智 欧洲邮件 能时，用户可以纠正他们最初误解的结果，并继续迭代，直到得出正确的解决方案。IT 团队或自由职业者会立即对这种重复性工作感到恼火，但人工智能工具却并非如此。因此，使用生成式人工智能，可以更快地处理必要的修正。与人类相比，应用程序的质量越来越高，总体开发时间也越来越短。
从更大的角度来看，为了更接近 Mollin 谈到的使用生成式人工智能 80% 的生产力提升（而不是 30%），用户需要学会清楚地理解和更充分地表达他们想要的东西。这种学习做得越多，生成式人工智能产生令人满意的结果所需的迭代次数就越少。这些颠覆性创新将以多种不同方式在许多行业中体现出来，而它们才刚刚开始。
