Google Cloud分享：如何利用AI創造企業價值

Google Cloud首席執行官Thomas Kurian在高管論壇上談論人工智能

本月 ，Google Cloud舉行了高管論壇，與客戶和合作夥伴讨論人工智能的最新進展。Google Cloud首席執行官Thomas Kurian分享了雲市場是如何經曆變革的，以及作為這場變革核心的人工智能，特别是生成式AI所發生的演變。

生成式AI可以幫助企業生成内容、綜合群組織資訊、自動化業務流程、打造引人入勝的客戶體驗。Kurian表示，為了實作這些目标，Google Cloud将重點關注五個關鍵優先事項：世界一流的AI基礎設施、多模型基礎模型、與Google Workspace和Google Cloud Platform的深度內建、AI驅動的協作、以及廣泛的合作夥伴生态系統。

Google Cloud生成式AI産品背後的技術堆棧

Google Cloud生成式AI産品的核心是基礎模型。基礎模型是基于大量未标記資料訓練的大型AI模型。Google采用自我監督學習來優化這些模型，這些通用模型可以執行各種任務，例如識别、預測和生成文本、圖像、軟體代碼、音頻和視訊。

Google表示，客戶可以通路Google及其合作夥伴提供的60多種模型。為了讓更廣泛的組織使用AI，Google使其基礎模型（例如PaLM 2）能夠針對不同應用和用例量身定制更小型的、更具成本效益的配置。

企業客戶可以通過适應、遷移學習和蒸餾技術來定制PaLM 2。這些模型有不同的大小，每個模型都有性能、延遲、成本和記憶體方面的要求，以確定在不同場景中的靈活性。PaLM 2的最新增強功能提高了執行進階推理任務的能力，包括代碼和數學、分類和問答、翻譯和多語言能力、自然語言生成等。

此外，Google還提供了Vertex AI端到端人工智能平台，可簡化AI和生成模型的部署，允許企業為其特定的應用定制AI模型。Vertex AI提供了三種基本的生成式AI功能：模型發現和調整、定制工具、以及對資料和IP的控制。客戶借助Vertex AI就可以發現并調整Google及其合作夥伴的基礎模型。

該平台支援無縫的模型擴充、強化學習回報循環自動化、用于測試的合成資料生成、以及部署位置和成本的管理。企業可以使用即時工程、微調、參數高效調整和強化學習來完善Google的模型，以提高性能和強化特定任務。

企業組織關注的一個關鍵領域是使用第三方大型基礎模型時的企業資料保護能力。Google表示，Google的企業服務可以確定資料的完全控制和隔離、知識産權保護以及定制模型時遵守監管要求。客戶資料仍然是得到保密的，不會與其他客戶或Google的基礎模型進行共享。

現實世界中企業是如何利用AI的？

企業希望利用谷歌在設計和擴充AI模型方面的專業知識和經驗教訓。但你可能會發現，自己想知道真正的企業正在使用這些解決方案做什麼（如果有的話）。是以，Google提供了幾個客戶和合作夥伴關于使用Vertex AI的示例。

例如，航空航天公司GA Telesis開發了一種資料提取解決方案，通過解釋和關聯客戶訂單來自動執行客戶呼叫。Snorkel AI是一家資料科學公司，該公司使用Vertex AI生成高品質的訓練資料，并訓練模型來定制患者治療方案。YouCite和Behaviour Box則利用Vertex AI平台上的生成式AI模型來增強員工互動并發現内部威脅。

Google在此次高管論壇上邀請了來自Mayo Foundation、Priceline、Wayfair和Wendy's的演講者，這些Google Cloud的客戶分享了他們關于AI帶來的挑戰、機遇和實際應用的洞察。每個組織都看到了AI領域蘊藏的巨大機遇，并且多年來一直與Google合作開發AI解決方案。

搜尋和聊天的結合，已經成為客戶體驗領域的一個熱門話題。這些企業代表讨論了他們是如何使用生成式AI展開無縫協作的搜尋和聊天的。毫不奇怪，旅遊公司一直在嘗試創造更加個性化的客戶體驗。Priceline表示，生成式AI将幫助旅遊公司打造更加互聯的旅行體驗，不僅整合了他們的所有産品，而且還能在客戶旅行時為其提供更多相關資訊。

與許多醫療組織一樣，Mayo Foundation也在尋求盡量減少員工倦怠的方法。該組織使用生成式AI和搜尋功能向臨床醫生和管理人員顯示複雜的臨床和醫療資訊。理想情況下，他們可以把臨床醫生和管理人員的一些日常任務自動化，讓員工有更多時間專注于重要的事情。

Mayo Foundation談到了在任何新AI開發的早期階段讓人類參與其中的重要性。研究公司Lopez Research在與多家公司的多次讨論中了解到，讓人類來檢查模型輸出的意圖和準确性至關重要，因為AI模型經常無法按預期運作，AI是需要微調的。

Wayfair談到了家居領域的挑戰以及将AI與搜尋功能相比對的需求。例如，為你的客廳尋找完美的沙發，與查找最新NBA比賽分數是有很大差別的。在零售業，沒有唯一正确的答案。這是一次客戶旅程。Wayfair談到了該公司是如何随着時間的推移利用機器學習功能來了解客戶意圖并将客戶與完美産品相比對的。

Wayfair有一個生成式AI架構和一個小型跨職能團隊，該團隊負責審查哪些A 用例能夠帶來價值，但仍然需要有人參與其中以稽核輸出内容，最大程度降低企業風險。Wayfair擁有針對客戶服務、銷售和代碼生成助理的快速跟蹤用例。展望未來，Wayfair希望專注于為客戶提供更具針對性和差異化的功能，例如提供生成圖像。

Wendy’s則希望提高取貨視窗流程的速度、準确性和一緻性。Wendy's公司有30多種可定制的菜單産品，此外顧客可能會以與菜單闆不同的方式訂購産品。Wendy's公司使用AI技術（特别是Dialogflow等技術），幫助他們實作接單流程的自動化。

今年5月，Wendy’s公司宣布進行了首個試點，使用Vertex AI等新的生成式AI産品與顧客進行對話，其中包括了解定制請求并對常見問題生成響應等公司，其目标是通過利用生成式AI來消除訂購流程的複雜性。Wendy's将使用Google的基礎大型語言模型和Wendy's菜單中的資料，建立對話護欄的業務規則和邏輯，并且這一AI系統與Wendy’s的硬體和POS機進行了內建。

Wendy's表示，他們不是解決單一的問題，而是希望建立一種平台方法，解決Wendy's各種管道的問題，從汽車餐廳到移動應用等各個方面。Wendy's表示，他們在使用語言模型接受訂單方面已經取得了早期成功，而且員工并不擔心工作崗位會被取代，因為接單過程隻是他們在餐廳所做的多項工作之一。Wendy's特别強調了通過提供概念證明和收集回報在技術設計階段盡早吸引員工和加盟商的好處。

Priceline表示，開發人員的思維方式必須轉變為開發體驗而不是功能。開發人員必須設計一種優化大型語言模型的輸入和輸出的體驗，這種技能與精通JavaScript程式設計是完全不同的。例如，在設計提示詞（prompt）的過程中，開發人員必須決定提示詞在價格方面的重要性或者對于顧客來說有多大價值。

提示詞對于交流和指導大型語言模型AI的行為來說是至關重要的。提示詞是人們用來從模型中擷取答案的輸入或查詢内容。Priceline還表示，企業低估了購買實時資料基礎設施解決方案以實作生成式AI的需求。企業需要能夠測量和監控其生态系統内的AI模型。

Wayfair公司指出，即使是數字原生的企業也會有傳統的數字解決方案。該公司分享了Google是如何幫助他們從單一的代碼庫和資料庫轉向雲原生架構的，他們還使用Vertex AI和Gen App Builder讓資料科學家和機器學習工程師能夠更輕松地快速加入平台，以便團隊可以專注于建構和實驗，而無需擔心設計機器學習基礎設施。Wayfair使用BERT了解客戶在搜尋中的意圖。

Mayo方面則表示，他們使用大型語言模型已經有一段時間了，最近他們的工具包中還加入了生成式AI。醫療行業一直在努力搜尋和查找資訊。Mayo表示，一名患者平均有7000至8000個資料點。醫生平均每天要看診10至15名患者。和Wayfair一樣，Mayo和Google合作也有一段時間了。

Mayo在使用生成式AI之前，使用了Google的自然語言處理（NLP）功能來更輕松地收集和合成非結構化資料，而生成式AI進一步推動了這些努力。Mayo Clinic首席資訊官Cris Ross在一份有關兩家公司合作的新聞稿中分享道：“Google Cloud的工具有潛力解鎖那些通常無法以傳統方式搜尋、難以通路或者難以解釋的資訊源，從患者複雜的病史到影像、基因組學和實驗室。”

顯然，Mayo Foundation也關心患者資料的安全。他們談到了帶有客戶私鑰的安全飛地，這種技術可以確定資料隐私、通過可稽核視圖控制資料所在位置以及靜态加密。此外，Mayo還希望為創新者提供安全可靠的沙箱，用于研發測試。

Mayo Foundation表示，沒有任何模型是100%完美的，但重要的是如何衡量模型的準确性并提供對模型擅長領域的信心。Mayo Foundation認為，你不需要直接進行患者診斷就能使AI取得成功，因為有很多唾手可得的成果可以減少文書工作和管理負擔，例如，可以在醫生就診之前向臨床醫生提供他們的記錄摘要，進而改變患者的體驗。

Wayfair則指出，當今AI最大的差別之一就是，所有企業都可以使用基礎功能即服務來幫助快速啟動AI方面的工作。在此之前，你必須聘請高技能人才，建構AI基礎設施，并采用AI軟體工具。對于那些尋求部署AI的組織來說，來自多個提供商的特定服務的可用性将改變遊戲規則。

Google Cloud GTM總裁、Google Ireland負責人Adaire Fox-Martin在座談會結束時用一句恰當的話總結了我們面前的機遇，她說：“你可以重新構想，這不僅僅是一個流程，而是具備AI能力的整個行業。對整個行業來說，現在是生成式AI逐漸成型的階段。”