XiaoMi-AI文件搜索系统
World File Search System生成式人工智能
生成式人工智能的经济潜力
改变工作结构，通过自动化部分个人活动来增强个体工人的能力。当前的生成式人工智能和其他技术有可能使占用员工 60% 到 70% 时间的工作活动实现自动化。相比之下，我们之前估计技术有可能使员工工作时间的一半实现自动化。1 技术自动化潜力的加速很大程度上是由于生成式人工智能对自然语言的理解能力增强，这是占总工作时间 25% 的工作活动所必需的。因此，与其他类型的工作相比，生成式人工智能对工资和教育要求较高的职业相关的知识工作的影响更大。
生成式人工智能的现状
人们对 Gen AI 既兴奋又忐忑。随着 Gen AI 工具不断壮大和发展，释放出无数可能影响工作的可能性——从基于文本的 ChatGPT、Bard 等；基于图像的 Dall-E 和 Midjourney，到其他 AI 辅助的商业-金融-运营工具纷纷上市——这些工具无限的可能性引发了人们对道德考量和治理的呼吁。
定义生成式人工智能
生成人工智能 (GenAI) 的概念在公共领域无处不在，但很少有准确的定义。我们阐明了通常与 GenAI 相关的讨论的主要概念，并认为应该区分技术话语和公共话语。为了展示其复杂的发展和相关的概念模糊性，我们对 GenAI 进行了历史系统重建，并明确讨论了两个典型案例：大型语言模型 BERT 的生成状态以及 AlphaFold 2 和 3 的蛋白质结构预测之间的差异。我们的分析表明，基于纯技术术语的 GenAI 没有唯一且明确的定义。根据这一结论，我们认为公共话语不仅仅是一种不太复杂的说话方式，而且超越了其技术基础。为了构建这一新兴讨论格局，我们引入了 GenAI 四个核心方面的非详尽列表：（多）模态性、交互性、灵活性和生产力。这些维度构成了超越技术基础定义 GenAI 的第一步。
混合云的生成式人工智能
其中一个例子是 DMC3 的 GenAI 优势，该优势为一家民政组织带来了好处，该组织多年来一直与 Deloitte 合作，依靠 DMC3 来构建其 IT 基础设施。随着此类组织的预期增长，数据和运营需求将进一步增加，从而导致对新云部署和额外存储配置的需求增加。在这些情况下，实施 GenAI 可以证明是有益的。该技术可以使 DMC3 开发人员以更快的速度工作，高效管理该机构的多云环境并减少所需的时间
生成式人工智能的经济潜力
根据我们的分析，人工智能对软件工程生产力的直接影响可能占该功能当前年度支出的 20% 到 45%。这一价值主要来自于减少在某些活动上花费的时间，例如生成初始代码草稿、代码更正和重构、根本原因分析以及生成新的系统设计。通过加速编码过程，生成式人工智能可以将软件工程所需的技能和能力推向代码和架构设计。一项研究发现，使用微软 GitHub Copilot 的软件开发人员比不使用该工具的开发人员完成任务的速度快 56%。9 麦肯锡对软件工程团队的内部实证研究发现，那些接受过使用生成式人工智能工具培训的团队迅速减少了生成和重构代码所需的时间，工程师们也报告了更好的工作体验，称幸福感、流畅度和成就感都有所提高。
生成式人工智能的治理
24 行政部门行动的例子包括：国家人工智能计划办公室协调人工智能政策的工作；科学技术政策办公室 (OSTP) 发布了《人工智能权利法案蓝图》，国家标准与技术研究所 (NIST) 发布了《人工智能风险管理框架》——两者均旨在为负责任地开发和使用人工智能提供指导；联邦监管机构于 4 月宣布，他们共同致力于通过将现有权力应用于人工智能系统来减轻偏见和歧视；出口管制监管机构已采取行动，限制竞争对手获取对人工智能至关重要的芯片；并发布行政命令。参见立法和行政命令。参见国家人工智能计划办公室 (上次访问时间为 2023 年)；《人工智能权利法案蓝图》，白宫 (上次访问时间为 2023 年)；《人工智能风险管理框架》，国家标准与技术研究所 (上次访问时间为 2023 年)；美国司法部民权司与消费者金融保护局、平等就业机会委员会和联邦贸易委员会官员一道承诺应对人工智能领域的偏见和歧视，美国司法部（2023 年）；美国商务部对向中华人民共和国（PRC）出口先进计算和半导体制造产品实施新的出口管制，美国商务部工业和安全局（2022 年）；EO 13859，《保持美国在人工智能领域的领导地位》（2019 年）；EO 13960，《促进联邦政府使用可信赖的人工智能》（2020 年）。