垃圾进，垃圾出
与商业智能一样，源数据的有序性和与源系统的集成井然有序非常重要。检索增强生成 (RAG) 通过验证来自外部来源的数据来提高生成式 AI 模型的准确性和可靠性。 RAG 提供来源参考，例如白皮书中的脚注。这使得读者可以检查陈述和结论。此外，该技术还可以帮助模型澄清用户查询中的歧义。它还降低了模型做出错误估计的可能性，这种现象被称为幻觉。这也允许您将 AI 用于需要极高可靠性的活动。例如，考虑使用现有报价来生成新的报价或使用人工智能来进一步推进医疗保健。
了解 CAIO。但也存在挑战，例如，如何控制它？据说 ChatGPT 版本 4 现在的智商已经达到114 因此得分高于人类的平均水平 100。微软将其 AI 模型命名为 Co-pilot，它提供了一种安全的感觉：我们仍然掌控一切，但如果人类创造出比最聪明的人类更聪明的东西，那会发生什么？如果此类模型可以编码，那么当它们重新编程时会发生什么？因此，我们的共同任务是试 摩洛哥电报数据 图将精灵关在瓶子里，让人工智能为我们工作，而不是相反。保持控制、正确应用模型和确保良好的教育至关重要。因此，首席人工智能官 (CAIO) 并非不必要的奢侈品。此人负责制定人工智能愿景和政策。 '停止！ “不要使用！”许多组织现在向员工大喊。但血浓于水，想想影子 IT 就知道了。人工智能将不可避免地拥有自己的生命力，因此迫切需要政策、教育和指导方针。
锤子和钉子
“如果你唯一的工具是一把锤子，那么每个问题看起来都像钉子。”这句名言出自亚伯拉罕·马斯洛，明确指出人工智能并不是解决一切问题的办法。因为每个问题都是独一无二的，而且常常需要不同的方法。虽然我的桌上有计算器，但这并不意味着我必须用计算器来做每一道算术题。进行一点心算也是有好处的。这也适用于人工智能；这听起来像是解决一切问题的办法，但成功取决于清晰的愿景和政策。尤其是当您意识到开发这种模型需要的投资时。尤其是现在基础模型（比如ChatGPT这样的模型的基础）还在努力学习，需要投入大量的财力和精力。事实上，ChatGPT 版本 4 的训练课程产生了约 500 吨的二氧化碳排放量。这相当于一千辆汽车行驶一千公里。
从小事做起，胸怀大志
如果组织想要更好、更快、更高效地工作，那么现在是时候真正将数据置于组织的中心了。事实上，人工智能值得在董事会议程上占有一席之地。最好是今天。因为如果您不这样做，您的竞争对手就会这样做，最终，作为一个组织，您会发现自己被边缘化。许多组织仍然致力于实现数据驱动。然而，等到这一计划实施并彻底“完成”是极不明智的。尽管数据库的健全性仍然是一个前提，但人工智能驱动正在超越数据驱动。但随着人工智能的紧迫性以及所有进步数据平台中数据民主化的诸多变化，现在是时候真正开始整理您的数据了！