最新的技術(shù)創(chuàng)新源自于人工智能（AI）、機(jī)器人、區(qū)塊鏈和可編程生物等領(lǐng)域。這些技術(shù)正在革新零售、汽車、金融、制造等行業(yè)的宏觀和微觀層面。
特別是生成式人工智能（AIGC），正在改變知識(shí)工作者的生活方式和日常工作。知識(shí)工作者是指具有正式教育和培訓(xùn)的專業(yè)主題專家，如編程、設(shè)計(jì)、工程和寫作等職業(yè)。生成式人工智能（AIGC）在這些領(lǐng)域中已經(jīng)提高了知識(shí)工作者的生產(chǎn)力。
那么，什么是生成式人工智能（AIGC），它對(duì)知識(shí)工作者來說為什么如此重要？讓我們深入探討這個(gè)概念。
什么是生成式人工智能（AIGC）？
生成式人工智能（AIGC）使用AI算法基于人類書寫的提示自動(dòng)創(chuàng)建文本、視頻、音頻和圖像等新內(nèi)容。
一些最著名的AI生成工具和產(chǎn)品包括：
ChatGPT - 由OpenAI開發(fā)的智能AI聊天機(jī)器人，能夠根據(jù)用戶提示提供極其詳細(xì)和個(gè)性化的響應(yīng)。
DALL-E 2、Stable Diffusion和Midjourney - 這些是基于AI的圖像生成工具。
Meta - 這是一款基于AI的視頻生成工具，允許用戶從文本提示中生成視頻。
Codex - 它使程序員可以在幾秒鐘內(nèi)生成多種編程語言的代碼。
現(xiàn)在，讓我們看看生成式人工智能（AIGC）如何影響知識(shí)工作者。
根據(jù)ARK的2023投資趨勢(shì)報(bào)告，到2030年，AI人工智能預(yù)計(jì)將使知識(shí)工作者的生產(chǎn)力提高4倍以上。報(bào)告還建議，如果100%的企業(yè)采用人工智能，人工智能可以在總體上花費(fèi)31萬億美元，帶來約200萬億美元的勞動(dòng)生產(chǎn)率。如果供應(yīng)商能從他們基于AI的產(chǎn)品中提取僅10%的價(jià)值，他們可以在2030年獲得近14萬億美元的收入和90萬億美元的企業(yè)價(jià)值。
那么，AIGC工具如何增加內(nèi)容編寫者、開發(fā)人員和藝術(shù)家的生產(chǎn)力？
1.內(nèi)容編寫者和編輯
現(xiàn)代企業(yè)需要經(jīng)過深入研究和熟練技術(shù)的精心制作的內(nèi)容來吸引觀眾。這正是生成式人工智能（AIGC）使得內(nèi)容編寫者和編輯的工作更容易。
隨著智能聊天機(jī)器人ChatGPT等的出現(xiàn)，內(nèi)容創(chuàng)作變得越來越容易和經(jīng)濟(jì)實(shí)惠。根據(jù)ARK的2023投資趨勢(shì)報(bào)告，2022年ChatGPT的每個(gè)查詢推斷成本約為0.01美元。對(duì)于10億個(gè)查詢，總推斷成本變?yōu)?/span>1000萬美元。根據(jù)萊特法則，到2030年，這一成本預(yù)計(jì)將降至僅650美元。（航空工程師萊特Theodore Wright在1936年提出，飛機(jī)生產(chǎn)規(guī)模每增加一倍，成本便會(huì)以固定比例下降。）
這種成本下降的幅度將使得AI內(nèi)容工具的大規(guī)模采用成為可能。例如，到2030年，ChatGPT樣式的應(yīng)用程序預(yù)計(jì)將達(dá)到谷歌搜索的規(guī)模，每天處理85億次搜索。因此，對(duì)于內(nèi)容領(lǐng)域的知識(shí)工作者來說，利用生成式人工智能（AIGC）在日常任務(wù)中變得更加容易。
2.軟件工程師和開發(fā)人員
考慮到復(fù)雜和長期的軟件開發(fā)周期，管理和部署軟件需要一支專注、技能熟練的開發(fā)人員和程序員團(tuán)隊(duì)。Codex和Copilot等生成式人工智能（AIGC）編碼工具正在使軟件開發(fā)對(duì)知識(shí)工作者更加容易和高效。
實(shí)際上，ARK的2023投資趨勢(shì)報(bào)告指出，AI編碼助手可以將完成編碼任務(wù)的時(shí)間縮短一半。到2030年，AI編碼助手可以將軟件工程師的產(chǎn)出增加10倍。
3.視覺藝術(shù)家和設(shè)計(jì)師
另一類被歸類為藝術(shù)家和設(shè)計(jì)師的知識(shí)工作者也受到生成式人工智能（AIGC）的影響。他們的任務(wù)通常包括使用設(shè)計(jì)工具（如Adobe Photoshop、Illustrator和Canva）創(chuàng)建視覺概念、圖形、插圖和創(chuàng)意用戶界面，以提供豐富的用戶體驗(yàn)。
具有開創(chuàng)性的生成式圖像模型，如DALL-E2、Stable Diffusion和Midjourney，大大提高了設(shè)計(jì)師的生產(chǎn)力。例如，人類在5小時(shí)內(nèi)制作的圖形設(shè)計(jì)，費(fèi)用為150美元，現(xiàn)在可以使用生成式圖像模型在不到1分鐘內(nèi)輕松制作，成本僅為8美分。
4.音樂家和聲音工程師
生成式人工智能（AIGC）使作曲和混音變得更加容易。例如，谷歌的 AudioLM 是一種生成式音頻模型，能夠生成逼真的鋼琴音樂并完成不完整的音效。谷歌還開發(fā)了一種名為 MusicLM 的音樂生成模型，可以根據(jù)文本描述生成優(yōu)美的旋律。
早在 2020 年，Open AI 推出了一種類似的音樂生成工具 Jukebox，它可以根據(jù)流派、藝術(shù)家和歌詞等輸入生成新的音樂樣本。之前，Open AI 還發(fā)布了一款基于 GPT-2 的 MuseNet 模型，可以使用 10 種樂器生成 4 分鐘的音樂作品。
雖然生成式音頻模型還處于初期階段，但隨著越來越好的生成式人工智能（AIGC）音樂工具的出現(xiàn)，音樂人和聲音工程師的生產(chǎn)力將每年增長。
5.視頻內(nèi)容創(chuàng)作者
視頻內(nèi)容正在蓬勃發(fā)展，2022 年 YouTube 頻道數(shù)量約為 5100 萬個(gè)。視頻內(nèi)容的制作需要經(jīng)歷多個(gè)階段，包括錄制、編輯、添加插圖和音效，以及前期和后期制作。
生成式人工智能（AIGC）視頻平臺(tái)正在為知識(shí)工作者簡(jiǎn)化視頻內(nèi)容的生成。像 Synthesia.io 和 Pictory 這樣的工具正在為視頻營銷人員和品牌專家提供更加便捷的視頻生成方式。這些最先進(jìn)的人工智能平臺(tái)允許內(nèi)容創(chuàng)作者根據(jù)腳本制作視頻。他們可以添加旁白和視頻背景，以根據(jù)這些腳本制作專業(yè)的視頻。
在 2022 年 9 月，Meta AI 推出了名為 Make-A-Video 的平臺(tái)，它可以根據(jù)文本提示生成高質(zhì)量的視頻片段。它是通過公開可用的數(shù)據(jù)集進(jìn)行訓(xùn)練，以學(xué)習(xí)視頻模式。它可以創(chuàng)建充滿色彩、人物和景觀的獨(dú)特視頻。
在短時(shí)間內(nèi)創(chuàng)作更多高質(zhì)量的內(nèi)容將提高 YouTuber 和視頻內(nèi)容創(chuàng)作者的生產(chǎn)力。
讓我們看看生成式人工智能（AIGC）為知識(shí)工作者帶來的各種利弊。
知識(shí)工作者得到的一些好處：
·合成數(shù)據(jù)生成：訓(xùn)練創(chuàng)新的AI模型需要大量的數(shù)據(jù)集，而生成性AI可以解決這個(gè)問題。據(jù)報(bào)道，到2025年，生成性AI所占的數(shù)據(jù)將占到所有數(shù)據(jù)的10%，而2023年這個(gè)數(shù)字只有1%。因此，數(shù)據(jù)科學(xué)家和AI專家不必面對(duì)與數(shù)據(jù)收集相關(guān)的挑戰(zhàn)。
·低成本：Gartner預(yù)測(cè)，到2024年，約50%的低代碼/無代碼開發(fā)平臺(tái)將提供“文本轉(zhuǎn)代碼”功能。對(duì)于開發(fā)人員來說，這意味著可以用最少的工作量和成本獲得更多的功能。
給知識(shí)工作者帶來的一些挑戰(zhàn)：
·AI內(nèi)容檢測(cè)：盡管生成性AI可以提高生產(chǎn)效率，但檢測(cè)合成性AI內(nèi)容并將其與真實(shí)內(nèi)容區(qū)分開來成為研究和學(xué)術(shù)界的嚴(yán)重問題。到2024年，歐盟將通過立法要求AI生成的產(chǎn)品上添加水印。
·失業(yè)：如果生成性AI變得太智能，開發(fā)人員可能面臨失業(yè)。Gartner預(yù)測(cè)，到2025年，20%的程序代碼專業(yè)人員必須學(xué)習(xí)新技能，因?yàn)樯尚?/span>AI將接管他們的核心技能。
生成性AI是迄今為止最創(chuàng)新的AI領(lǐng)域。目前，訓(xùn)練生成性AI模型的成本很高，但正在逐漸下降。例如，GPT-3的訓(xùn)練估計(jì)成本在2020年為460萬美元。到2022年，這個(gè)數(shù)字已降至45萬美元。
ARK的2023投資趨勢(shì)報(bào)告預(yù)測(cè)，到2030年，僅需60萬美元就可以訓(xùn)練比GPT-3（1750億參數(shù)）多57倍參數(shù)的AI模型。這在很大程度上是由于訓(xùn)練AI模型的成本不斷下降。萊特法則指出，AI相對(duì)計(jì)算單元（RCU）的生產(chǎn)成本和軟件成本應(yīng)以年度速率分別下降57%和47%，從而導(dǎo)致訓(xùn)練成本每年下降70%，一直到2030年。
聯(lián)系客服
