由 VMware 提供
生成性人工智能的快速崛起在全球范围内引发了企业和消费者的诸多兴奋与担忧。幸运的是，这场风暴已经转向关乎如何建立包容性人工智能生态系统的建设性讨论。
像 NVIDIA、Hugging Face 和 Anyscale 这样的公司正在开发支持更民主化的人工智能和机器学习的应用和框架。麦肯锡估计，生成性人工智能每年可能为全球经济贡献高达 4.4 万亿美元。每个企业都有机会参与这一人工智能转型。为了有效利用新的人工智能和机器学习平台，领导者必须积极支持客户的人工智能旅程。
创建可持续的人工智能和机器学习系统
尽管生成性人工智能快速发展，我们仍处于其整合的初期阶段。负责任和可控的人工智能与机器学习的使用，能够为客户带来更好的成果，并支持在当今快速发展的环境中实现可持续增长。以下是首席信息官和利益相关者促进开放人工智能生态系统的几个关键步骤：
1. 拥抱私人人工智能
组织在探索如何负责任地加速人工智能和机器学习的采用。私人人工智能使公司能够在满足隐私和合规需求的同时享受人工智能的好处。VMware 与 NVIDIA 合作，提供集成基础架构和人工智能工具的一体化解决方案，以实现一致的混合云环境。此外，客户可以利用 IBM watsonx 人工智能和数据平台及 VMware 私人人工智能实施生成性人工智能解决方案。与英特尔的合作也帮助客户利用现有基础设施和开源软件，简化人工智能模型的开发与部署。
2. 建立通用的人工智能标准
标准和伦理指南对每个行业至关重要。联合国教科文组织最近发布的《人工智能伦理建议》为企业在人工智能领域推动公平性、问责制和透明度设立了先例。通过制定明确的伦理原则，各方可以促进更公平的生成性人工智能生态系统。
3. 促进开放协作
随着公司对人工智能基础模型的探索，数据和编码技术的共享能够带来更广泛的创新。VMware 团队为我们的 GitLab 代码微调了 Hugging Face 的 SafeCoder，展示了协作如何增强人工智能开发。
应对挑战与建立信任
生成性人工智能工具能够使组织创新并提升其产品。然而，仍需解决若干挑战：
1. 开发经济实惠的人工智能模型
训练生成性人工智能模型成本高昂且复杂。企业迫切希望以较低成本创建定制的人工智能模型。例如，深度学习公司 Lambda 表示，训练像 GPT-3 这样的超大语言模型可能花费数百万美元。为了应对不断上涨的成本，首席信息官们正在转向开源软件，以创造更小、任务优化的模型。
2. 实现人工智能专业知识的民主化
构建有效的人工智能模型所需的专业人才稀缺，使得组织适应性变得困难。简化人工智能模型的创建和训练至关重要。参考架构可以为内部专家有限的企业提供必要的指导。
3. 从风险过渡到信任
目前的生成性人工智能模型存在多种风险，包括安全漏洞和知识产权侵权。组织正合作解决隐私、数据完整性和偏见等问题。开源社区在负责任地训练和部署人工智能模型方面处于先锋地位，从而增强了生成性人工智能的信任度。
新的生成性人工智能法规将不断演变，利益相关者必须在今天建立一个稳定的基础。
共同构建更强大的人工智能生态系统
企业可以通过公共部门和私营企业之间的共同努力，重新掌控人工智能带来的干扰影响，从大型企业到小型企业，包括消费者和员工。VMware 与首席信息官合作，确保其数字基础设施为人工智能和机器学习的整合做好了准备。通过共同努力，我们可以培育一个互联且民主的繁荣开放生态系统。我们的团队致力于为这一努力做出贡献。
排行榜
