关于Genai和大型语言模型（LLM）的兴起，世界表现出兴奋和怀疑。吉姆·古德（Jim Goodnight）是AI和数据分析领域的主要人物，他认为Genai很强大，但无法自行解决业务风险。他于1976年共同创立的北卡罗来纳州SAS首席执行官Goodnight告诉Sudhir Chowdhary在奥兰多的一次采访中，Genai对商业分析的意义，LLMS周围的嗡嗡声以及印度如何推动其自己的AI基础设施。摘录：
考虑到技术的发展速度，这是一个艰难的选择。但是两个领域脱颖而出：生成的AI和量子计算。在SAS，我们正在扩大信任的Genai功能，尤其是在合成数据生成，LLM治理和使用Sas Viya和我们的Viya副驾驶的编排方面。同时，作为下一个主要技术领域，量子计算正在快速出现。我们的研发团队正在与领先的合作伙伴和一些大客户积极合作，以探索量子计算如何解决整个行业的复杂问题。
当前的炒作是由从传统的，基于规则的AI转变为生成AI的焦点驱动的，该AI将基于语言的模型带入了聚光灯。在SAS，我们使用大型和小语言模型（有些只有数十亿个参数），以使用例诸如从自然语言中生成SAS代码，AI模型中的偏见的解释或将LLM嵌入自动化决策系统中。
例如，在医疗保健环境中，它将用于总结患者记录，自动化临床文档或增强患者参与度。在银行业中，LLM用于解析，总结和提取从信用备忘录，监管文件或合同等非结构化文件中的风险指标。组织正在大量投资以利用Genai，但我们的建议仍然存在：保持开放，灵活和谨慎的好奇心。数据隐私和安全性应仍然是优先事项，尤其是在受监管的部门中。这是我们的指导原则，因为我们帮助客户负责任地运营Genai。
有望像DeepSeek这样的平台的兴起。实际上，我们2024年的全球Genai研究强调，中国在整个Genai的使用方面领导着全世界，美国领导着全球的全Genai实施。我们特别好奇它的价值和风险，它为这些客户在银行，金融服务，保险，政府，政府和医疗保健等高管行业中带来了最大的关注。虽然可以使用现有模型的响应来构建LLM，但更重要的是治理，透明度和与道德框架的一致性的严格性。
是的，印度应该投资建立自己的LLM。进入障碍已大大降低了 – 有大量的开源型号，数据集和文档可用。但更重要的是，印度具有全球模型可能无法完全解决的独特语言多样性，数据需求和行业环境。为了取得成功，我们需要一个合作生态系统，具有强大的公私合作伙伴关系，高质量数据基础架构的投资，本地化数据集，学术研究支持和明确的监管框架。在确保道德，透明和包容性发展的同时，鼓励创新将是Genai时代的关键。
自2022年底以来，我们已经看到了巨大的进步，尤其是生成模型变得更加扎根和背景感。尽管通用情报仍然是一个遥远的目标，但当正确提示时，当今的模型在产生相关输出方面正在变得更好。从商业上讲，我们看到诸如欺诈检测，客户分析，预测维护等领域的巨大潜力，甚至是药物发现。 AI可能有可能帮助识别有希望的化合物，加快临床试验设计并改善患者的预后。但是，更广泛的采用取决于为用户揭开AI的神秘面纱。人们需要关于AI的清晰，事实知识 – 它是什么，它的工作方式以及真正增加价值的地方。
像任何变革性技术一样，AI将取代一些角色 – 但它也会创造更多的角色。但是，从长远来看，这可以提高大多数工人的总体生产力，并推动经济增长。 AI和高级分析导致更具利润和更具竞争力的更好的组织。这不仅导致了底线的增长，还导致了更多的工人机会。 AI还将引发新的工作和新职业。例如，在今天的制造业中，新的AI-AI-和技术供应的工作范围从数据科学家和过程工程师到精确的汇编器和机器人技术人员。
（在SAS的邀请下，通讯员在奥兰多）
