江苏龙网

  1. 主页 > 生活百科 > >

生成式人工智能：发展演进及产业机遇( 三 )


5.科研与创新
生成式AI可以在化学、生物学、物理学等领域探索新的理论和实验方法 ， 帮助科学家发现新的知识 。此外 ， 生成式AI还可以用于药物设计、材料科学等领域 ， 加速技术创新和发展 。
6.代码生成领域
经过自然语言和数十亿行代码的训练 。部分生成式AI模型精通十几种语言 ， 包括Python/ target=_blank class=infotextkey>Python、JAVA、Go、Perl、php、Ruby等等 。能够根据自然语言的指令生成相应的代码 。
Github Copilot是一个GitHub和OpenAI合作产生的AI代码生成工具 ， 可根据命名或者正在编辑的代码上下文为开发者提供代码建议 。官方介绍其已经接受了来自 GitHub 上公开可用存储库的数十亿行代码的训练 ， 支持大多数编程语言 。
腾讯云新一代AI 代码助手 CODING Wise：将大模型 AI 能力赋能给开发者 ， 增强开发体验 ， 提升开发效率 。CODING Wise 支持多种编程语言、主流开发框架和常用IDE 。具备代码补全、生成单元测试、代码纠错等能力 ， 能辅助开发者加速开发过程 ， 提升开发质量 。CODING Wise 能力覆盖沟通、编码、评审等关键环节 ， 包括：沟通环节：通过对话方式 ， 进行上下文推理给出代码回复 ， 帮助开发者理解代码逻辑；研发环节：根据当前代码类型、代码上下文等信息进行代码补全；能根据代码反向生成注释和单元测试代码；排错环节：进行代码查错、定位问题并辅助生成建议；随后给出建议代码、替换错误的代码块；评审环节：辅助开发者生成代码提交信息 ， 也可以辅助评审者生成评审建议；调试环节：可通过自然语言指令实现快速的代码修改和调优 。
7.内容理解与分析
腾讯会议·AI小助手：只需通过简单自然的会议指令 ， 基于对会议内容的理解 ， 就可以完成信息提取、内容分析、会管会控等多种复杂任务 。会后可以自动生成智能总结摘要 ， 还能基于智能录制的能力 ， 帮助用户高效回顾 ， 提升用户开会和信息流转效率 。
彭博社于近期发布了为金融界打造的大语言模型（LLM)——BloombergGPT 。它使用了类似于ChatGPT的技术原理 ， 即使用Transformer模型和大规模预训练技术来实现自然语言处理 ， 拥有500亿参数 。BloombergGPT的预训练数据集主要来自彭博社的新闻和金融数据 ， 构建了一个3630亿个标签的数据集 ， 支持金融行业的各种任务 。
BloombergGPT的目标是帮助用户更好地理解和分析金融数据和新闻 。它可以根据用户的输入 ， 生成与金融相关的自然语言文本 ， 例如新闻摘要、市场分析、投资建议等 。它的应用场景主要包括金融分析、投资咨询、资产管理等领域 。例如 ， 在资产管理领域 ， 它可以根据历史数据和市场情况 ， 预测未来的股票价格和交易量 ， 为投资经理提供投资建议和决策支持 。在财经新闻领域 ， BloombergGPT可以根据市场数据和事件 ， 自动生成新闻摘要和分析报告 ， 为读者提供及时、准确的金融信息 。
8.AI智能体（AI Agent）
AI智能体（AI Agent）被认为是OpenAI的下一个方向 。从今年 3 月 AutoGPT 推出后 ， Generative Agent、GPT-Engineer、BabyAGI 项目的爆发将 LLM 的叙事代入了新的阶段 ， 从“超级大脑”到真正有可能成为“全能助手” 。
2023年4月 ， 一个名叫AutoGPT的开源项目在Github上发布了 ， 截止至2023年4月16日 ， 该项目已经获得70K+星 。AutoGPT是一个由GPT-4驱动的可以自主实现用户设定的任何目标的开源应用程序 。当用户提出一个需求或任务时 ， AutoGPT会自主分析问题 ， 给出具体的执行计划并开始执行 ， 直到完成用户提出的要求 。
Auto-GPT的出现意味着AGI正逐渐向更加自主化和智能化的方向发展 。首先 ， 它可以使人工智能应用更加普及和便利 。现Auto-GPT能够自主分析和执行任务 ， 大大降低了应用的门槛和成本 ， 让更多的人能够轻松地使用人工智能技术来解决问题 。其次 ， Auto-GPT能够提高人工智能应用的效率和精度 。传统的人工智能模型需要从头到尾地执行整个任务 ， 这会浪费很多时间和计算资源 ， 并且容易出现错误 。AutoGPT可以自主分析任务 ， 并且提出具体的执行计划 ， 这样可以大大缩短执行时间 ， 并且减少错误率 。[3]


推荐阅读


上一篇：Kubernetes 是我的正确选择吗？

下一篇：“如何从0-1训练出一个ChatGPT？”