當企業嘗試利用生成式人工智慧的強大功能時，往往會產生疑問：到底應該如何使用生成式人工智慧？

生成式人工智慧可以提高工作效率，改善客戶和員工體驗，隨著時間推移，它還可以加速推進業務。本文將討論企業如何使用大型語言模型(LLM)的monero錢包現有功能，以及如何解決生成式人工智慧產生的風險，如「幻覺」等問題。

頭腦風暴。公司內部幾乎每個領域的工作者都可以將ChatGPT作為頭腦風暴的助手。它可以提供初步想法來引發小組討論，或進一步探討員工自己產生的想法。儘管人工智慧有時會編造「幻覺」訊息，但將其用作腦力激盪助手來激發新想法，所涉及的風險很小。

生成初稿。目前最新、最先進的LLM擅長連續生成與連接上下文的文本，與人類輸出非常相似。這種方法可幫助您解決文案方麵的難題。您可以考慮使用人工智慧來產生內部簡報、會議摘要、電子郵件和政策提案的初稿。

處理文件。為了讓員工有更多時間從事專業化、高價值的工作，金融公司可將文件、研究報告、記錄和新聞報告輸入ChatGPT，讓ChatGPT幫助總結和提取關鍵要點。 ChatGPT能自動對新文件進行分類，幣安股票代碼確定哪些文件需要員工仔細查看，還能自動翻譯外語文件和客戶通訊。員工可將資料表輸入ChatGPT，讓它幫助起草敘述性文案。

針對不同受眾調整內容。員工可將自己的草稿傳給ChatGPT，將ChatGPT當作編輯器來修改語氣、擴充要點或概括某一部分。例如，您可以將複雜或冗長的簡報簡化為一組精簡的討論要點，供全體員工會議使用。請務必為可傳送至公共生成式人工智慧係統（如ChatGPT）的內容製定公司標準。要確保機密的公司內容不會輸入到公共模型中，因為公共模型可能會使用您的資料進行訓練，從而導致資料外洩。Pi Network - youtube另外，您也可考慮建構一個私人內部係統（慧甚FactSet 已為員工創建此類係統），以確保資料不會外洩。

探索和學習。生成式人工智慧非常擅長提供連續的解釋說明，可幫助您加速學習過程。例如，您可以詢問：「標準投資組合風險分析涉及哪些內容？」人工智慧將給出簡潔的抽象定義，並可能列出具體元素，例如資產配置分析和壓力測試等。如果答案太複雜，您可以要求係統簡化答案。您也可以向係統提出更具體的問題，以深入瞭解該主題。但是比特幣etf，請務必透過可靠的來源驗證模型的答案，尤其是當主題超出一般知識範疇時。目前，我們還不能指望LLM提供準確的事實、數據或參考。

指導業務流程。對於「如何建立工作小組？」或「你能為新員工創建一個入職培訓研討會嗎？」等問題，ChatGPT可以提供有價值的指導方案。使用者可以要求ChatGPT提供更多細節，以完善步驟或用於討論替代方法。

加快編寫程式碼。您公司的開發人員可能已經在使用ChatGPT或其他人工智慧程式碼編寫助手來調試軟體、編寫程式碼註釋和文件、瞭解程式碼意圖，甚至編寫新的程式碼片段。與其他LLM的應用一樣，模型輸出的準確性必須由人類專家審查。事實證明，用於編寫程式碼的LLM可以為軟體工程師節省大量時間，但它們也可能產生無法運行、有缺陷或不安全的程式碼。如果未經適當驗證，這些代碼可能會對您的公司構成嚴重威脅。最近的研究表明，使用人工智慧程式碼編寫助手的開發人員所產生的程式碼安全性較低，但現實中人們卻認為它們更安全。因此，採用業界標準的安全檢查是人工智慧產生程式碼的關鍵因素。

開發支持服務的會話機器人。許多企業將透過LLM私有化部署受益。私有化部署透過公司的專有文件可微調。由於LLM可能出現不準確的回複，公司應先讓內部員工試用聊天機器人。員工可以驗證答案、修正錯誤，並提供最終結果。這種方法可以節省寶貴時間，同時員工所做的編輯還可作為回饋來改進機器人。最終，更可靠的聊天機器人可以直接麵對客戶。透過在說明文件上使用檢索增強生成(RAG)方法，而不是僅依賴微調，您可以大幅提高機器人回答的準確性、可靠性和可解釋性。

簡化使用者體驗。LLM還可以在軟體產品中提供對話介麵，使應用程式更加直觀，功能更易於使用，用戶無需費力掌握應用程式中的大量選單、功能和選項。該公司的機器學習團隊可以使用LLM來產生合成訓練數據，以改善其現有的內部自然語言理解模型。專用LLM可增強員工知識庫。這些LLM可以根據公司內部資料進行微調，或使用RAG來回答員工有關公司政策或程序的問題，加速新員工入職流程並減少知識孤島現象。

驗證生成式人工智慧的輸出

儘管生成式人工智慧存在風險，但也有一些有效的應對方法。當您的公司使用生成式人工智慧時，資訊專員需考慮以下幾個重大風險：

■  幻覺

■  資料隱私

■  受版權保護的內容

■  安全漏洞

法律和合規部門可能需要製定策略以降低與隱私法規和智慧財產權相關的風險，甚至降低因人工智慧產生虛假資訊而帶來的誹謗風險。安全團隊需要警惕更狡猾的網路釣魚攻擊、更氾濫的人工智慧產生的惡意軟體，以及未經適當測試的人工智慧產生的內部程式碼。

在「幻覺」方麵，使用者有必要對生成式人工智慧的輸出進行驗證，特別是對於高風險用例或LLM不擅長的領域。使用生成式人工智慧技術進行腦力激盪、創意寫作或文件編輯的風險很低，因為您自會評估和修改輸出的內容。大型語言模型天生擅長文字處理，因此也很適合改寫和總結。

然而，如果您提出的問題需要高度監管的行業（如醫學、法律或金融）或更嚴格領域（如數學或編碼）的專業知識來回答，或者當您要求特定參考或引文時，務必仔細審查生成式人工智慧的輸出，並根據可信來源進行驗證。

作者簡介

露西·坦克雷迪

技術策略計劃資深副總裁

Lucy Tancredi是慧甚FactSet的技術策略計畫資深副總裁。她負責利用人工智慧來提高慧甚的競爭優勢和客戶體驗。她的團隊負責開發機器學習和NLP模型，其成果有助於打造創新的個人化產品並提高營運效率。她於1995年在慧甚開始了自己的職業生涯，一直負責領導全球工程團隊，開發研究和分析產品以及企業技術。 Tancredi擁有麻省理工學院電腦科學學士學位，以及哈佛大學教育學碩士學位。

歡迎與我們分享您在業務上的挑戰：https://go.factset.com/zh/