生成式人工智能——崭新闪亮的物体:玩转这个工具,需谨慎

生成式人工智能——崭新闪亮的物体:玩转这个工具,需谨慎

CEIR 的 Nancy Drapeau 分享了她迄今为止在研究中使用生成式人工智能的经验,包括好的、坏的和丑陋的。

作者:Nancy Drapeau,IPC,CEIR 研究副总裁

人工智能的好处和威胁已经 激烈争论 最近,人工智能在技术、学术、公共政策领域的意见领袖中广为流传,我确信它在全球各地的家庭餐桌和晚宴上也广为流传。随着人工智能技术进步的速度越来越快,专家们担心,它们带来的危害大于好处,可能对人类构成生存威胁。哎呀!

我在这篇博客中没有要传达给你的信息。相反,我想敦促你加入并尝试 Chat GPT,或其他 AI 工具,如 Google Bard、Bing Chat 等。但我也敦促你谨慎行事。不要采用这些工具而抛弃当前的做法。相反,想想它们如何支持你的活动,而不是取代它们。

我为什么要敦促大家谨慎行事?满足人们对便利的无限渴望的技术进步一直是创新的主要引擎。它们被采用、成为主流,有时甚至可能比明智的做法更快。想想无人驾驶汽车。聊天 GPT 和人工智能技术将在能够更快、更高效、更便宜地可靠地完成任务的地方得到采用。尽管今天,它们还没有完全证明能够始终如一地产生准确的结果。所以,用户要小心。

我总是对人们如此迅速地对机器产生的输出抱有高度信心而感到着迷。有时似乎对机器的信心比对人类的信心还要大!就好像人们认为机器的输出优于人类的输出。机器需要证明自己的优越性。它们必须出于某些目的,例如汽车在运输方面胜过马匹、飞机胜过火车、电话/短信胜过步行去某人的办公室等。

然而,生成式人工智能是一个机器学习工具的黑匣子——算法、神经网络分析等。我并不自称是机器学习技术专家。不过我记得,在评估多元分析系统时,我的雇主曾考虑购买, 神经网络 是一种可用于进行某些分析的分析方法。我记得有人告诉我,通过神经网络生成结果的方式是一个“黑匣子”。不知道结果是如何得出的。这让我犹豫了。那已经是 10 多年前的事了。众所周知的神经网络是谷歌搜索算法,所以我希望今天能更好地掌握“如何”生成结果。同样,在使用生成式人工智能工具时,请确保您可以复制该方法,以确保其生成结果的质量保证。

有些用途相当简单,让该工具为电子邮件或广告撰写草稿不会带来风险。输出就是它本身。然后用户可以对该草稿进行修改,使其变得更好。但是,将其用于其他目的(例如依靠分析内容的结果进行研究)则是一项风险更大的尝试。这引出了一个问题:它有多可靠?  

到目前为止,聊天 GPT AI 相对较新,它是一项正在进行的工作。已经发现输出不准确、完全错误,并且系统可能会“产生幻觉”。虽然这可能很有趣,但在将该工具用于商业目的时要慢慢来。接受它的本质,不要过度依赖它。

我有一个 Chat GPT 帐户。我用它来支持对我们今年进行的调查中的开放式评论进行文本分析。以下是我对该工具表现的评估:

  • 这是通过开放式问题阐明总体主题的良好起点。
  • 同时,它错过了一些类别/见解,无法捕捉到为所说内容提供背景的某些细节。
  • 文本分析软件已经存在了几十年,更复杂的系统使用户能够训练系统捕捉一般系统可能无法捕捉到的相关上下文(情绪 - 什么是快乐与悲伤)和术语(行业术语)。聊天 GPT 很容易错过这种细节。
  • 说实话,我不清楚为什么它能识别某些主题,而不能识别其他主题。这个过程似乎有些随意性。是的,我对在几秒钟内生成 Chat GPT 输出抱有很高的期望!
  • 不过,我再次用它来了解评论中所说的内容,然后创建代码框架来深入挖掘。
  • 在去年 预测客座讲师之一 王翠西自称数字民族志学者的她告诫专业人士不要过度依赖定量数据(能够提供具有统计可靠性结果的人口洞察的数据,或由 Google 等公司生成的大数据),一定要关注“厚数据”或研究人员所说的“定性数据”,这些轶事洞察可能是未经雕琢的宝石,可能指向一个值得考虑的重要趋势。她主张进行能够同时捕捉定量和定性洞察的分析。我同意。Chat GPT 工具目前的格式不连贯、不一致,并且容易错过关键的定性洞察。使用该工具时请注意这一点。

最后,让我总结一下  行业洞察协会 我上周听的网络研讨会题为《洞察中的生成式人工智能:创新、机遇、风险和监管》。会议由 Insights Association 首席执行官 Melanie Courtright 主持,小组成员包括:IA 总法律顾问 Stuart Pardau、Jamin Brazil、HubUX (Voxpopme) 董事总经理、Insight Association 宣传高级副总裁 Howard Fienberg;8:28 Insights 董事总经理 Cynthia Harris 和 DISQO 研究和产品主导增长高级总监 Roddy Knowles

以下是主要要点以及我的一些进一步评论:

  • 开始使用人工智能生成工具,例如 Chat GPT、Bard 或其他类似工具。定期使用该工具,每周至少 30 分钟。
  • 不要用生成式人工智能来代替研究。它最好作为一个起点。它可以支持各种任务,例如创建调查问题、进行文本分析(我的经验)、进行初步发现研究等。要将其应用于 B2B 展览行业的应用,它可以帮助撰写促销文案、网站内容、电子邮件等。不过,还是要把它当作起点。编辑、完善,让它变得更好!
  • 生成式人工智能不擅长预测。研究人员需要成为其提供内容的管理者。
  • 不开始使用 GPT 聊天功能是一个错误。不要等待许可,不要等待公司对其使用规定的制定。
  • 然而,风险是存在的。确保工具的使用符合贵公司的隐私协议。谨慎使用个人身份信息。确保内容不侵犯现有版权。
  • 技术总是领先于法规。我们在这里看到了这一点。通过的法律、对法律的解释、判例法,都需要时间来赶上这项新技术。欧盟可能会在制定法规方面发挥带头作用,就像他们领导了 GDPR 的制定一样。
  • 请勿将专有信息复制并粘贴到 Chat GPT 窗口中。该内容将被吸收到机器学习过程中。以下是如何从 Chat GPT 机器学习中排除聊天输出: https://openai.com/blog/new-ways-to-manage-your-data-in-chatgpt 但请注意,新的聊天内容会保留 30 天,之后才会被删除。基本上,一旦您获得了所需的分析结果,就可以将该内容复制并粘贴到 Chat GPT 之外,例如在 Word 和 Excel 中,然后单击垃圾图标将其从 Chat GPT 帐户中清除。

是的,这是一个勇敢的新世界。尽管勇敢前行,但也要玩转这个工具。谨慎使用它……

其他感兴趣的文章:

https://www.pewresearch.org/internet/2021/06/16/1-worries-about-developments-in-ai/
https://www.nytimes.com/2023/05/30/technology/ai-threat-warning.html#:~:text=A%20group%20of%20industry%20leaders,with%20pandemics%20and%20nuclear%20wars.

https://www.pwc.com/us/en/tech-effect/ai-analytics/managing-generative-ai-risks.html

关于作者

 

Nancy Drapeau,IPC。一位拥有 29 年市场研究经验的资深人士,在 B2B 展览行业拥有超过 20 年的经验。作为 CEIR 的研究副总裁,Drapeau 女士负责开展行业范围的研究,并报告展览行业的当前趋势。2019 年,她被 BizBash 评为“活动行业 1000 位最具影响力人物”。她拥有乔治城大学政府学学士学位和欧洲高级国际研究学院高级欧洲和国际研究硕士学位。她是 AC Nielsen Burke Institute 培训的焦点小组主持人。她是一位备受尊敬的行业发言人,也是行业洞察协会的活跃成员,也是活动行业委员会 (EIC) 研究与宣传工作组的成员。她与丈夫、儿子和一只名叫 Moxie 的边境牧羊犬住在缅因州。

博客作者表达的观点和意见均为作者本人观点,并不一定反映展览业研究中心的官方政策或立场。我们的博主或作者提供的任何内容均代表他们的观点。本博客提供的所有内容仅供参考。CEIR 不对本网站上或通过本网站任何链接找到的任何信息的准确性或完整性作出任何陈述。CEIR 不对此信息中的任何错误或遗漏以及此信息的可用性负责。

分享这个:

有关的

人工智能治理:我们应该进行的复杂对话

无需技术压力,即可掌握人工智能促进业务增长的 5 种方法

2024 年经济实力排名前十的城市