本文引自《哈佛商業評論》2024年第1期《商業的未來：英偉達CEO談人工智慧公司如何運作》。
生成式 AI其核心是“軟體理解資料含義的能力”。。當然，您可以理解單詞、字母、短語、句子和段落的含義，並找出其中的含義關係跟使用模式。從大量的例子中，可以識別和學習資料的呈現方式甚至了解其含義
人工智慧也理解這一點訊息的結構和含義。這適用於：語言、畫素、三維物體、蛋白質物體和化學物質。現在，我們已經能夠使用它了深度學習方法加油了解如何表達大量不同型別的資料，甚至任何具有結構的資料。因為在物質世界裡，在我們生活的世界裡，有很多東西是結構化的。
一旦我們理解了資料的含義，以及將一種模式與另一種模式聯絡起來的能力你可以繼續”。譯本”。例如，我們可以將影象中表示“貓”的畫素與單詞“貓”相關聯。 之後，我們可以將英文翻譯成中文，也可以將中文翻譯成法文。 當我們從英語翻譯成畫素時，我們就變成了生成式人工智慧; 當我們從畫素翻譯成語言時，它就變成了字幕。 我們還可以將文字翻譯成文字摘要等。
這種我學習了資料表示的基本模型它非常強大。 人工智慧行業和計算機行業現在正在做的是將這些生成和轉換方法整合到各種有趣的應用中。我認為，這種興奮的核心是學習表徵、學習意義以及從一種模式切換到另一種模式的能力，這是非常強大的。
人工智慧最有用的功能之一是增強檢索，無論資料庫是結構化的還是非結構化的，以資料庫的形式還是非結構化的形式都已向量化。向量化或嵌入資料庫需要您了解資料之間的所有關係，就像我之前所說的學習資料的表示一樣。 通過學習符號和學習資料庫的向量化，您將能夠理解它的含義。 而現在，真正令人興奮的是，您可以向量化資料庫並將其連線到大型語言模型，這基本上可以讓您與資料通訊
每家公司都有很多資料，但其中大多數資料處於休眠狀態，這很難使用。 有時您必須查詢大量資料才能使用它。 但現在，您可以擁有乙個真正了解其含義的資料庫。您可以在資料庫中進行語義搜尋。 它顯示要查詢的資訊，然後你可以利用該嵌入，並使用引入的模型對資料的提示來增強該嵌入。 這樣，提供給 AI 提示的上下文和背景資訊就更豐富了。 現在，由於大型語言模型能夠理解您在說什麼，因此與應用程式互動變得相當普遍和容易。
現在可以對所有資料庫進行向量化，以增強提示和查詢。人工智慧在內部的使用方式真是太神奇了。 當然，最有趣的事情之一是，如果你是一家擁有大型客戶服務部門的公司，客戶服務人員在與客戶的互動中輸入——無論是問題、投訴還是幫助客戶的方式——所有這些都以某種方式記錄在乙個非常大的資料庫中。 如果你把這個資料庫向量化，這樣你就可以直接與資料庫對話，那不是很神奇嗎？ 我們可以問資料庫：客戶最不滿意的是什麼？ 我們可以看到哪些趨勢？ 如果我們想改善公司的客戶服務，我們可以開始做兩三件事？ 你可以像與乙個人交談一樣與你的資料庫交談，這真的很強大。
人工智慧令人興奮的核心是能夠學習表徵、學習意義以及從一種模式過渡到另一種模式，這非常強大。