这一代人工智能的第一阶段即将结束，其特点是在 ChatGPT 等产品中使用大型语言模型 (LLM)。随着这一阶段的结束，我们在过去两年中看到的最初的兴奋和热情正在被健康的怀疑态度和关键问题所取代，尤其是在企业应用中。
然而，事实是，人工智能的潜在好处可能是真正惊人的。
在下一阶段，消费者市 德国手机号码数据 场和企业对 AI 的态度将越来越不同。考虑到 LLM 解决方案的成本，组织无论在何处运营，都要遵守不断变化的监管要求、其他类型的责任以及对投资回报的实际担忧。企业 AI 必须从吸引眼球的用例转变为能够展示真正的价值，因此客户需要他们的供应商深思熟虑地解决 LLM 人工智能解决方案带来的挑战。
基于 LLM 的 AI 存在一些固有挑战，需要解决这些挑战才能使企业从概念验证阶段转向广泛采用基于 AI 的解决方案。这些挑战包括：1) 准确性、2) 可重复性、3) 偏差、4) 延迟、5) 成本和 6) 内存。
准确性。法学硕士擅长模式识别，利用庞大的数据集来识别人类通常无法察觉的相关性。这使它们成为“流行度引擎”而不是“准确性引擎”。人工智能（例如在自动完成中提供下一个单词的人工智能）将提供一个流行的答案，无论它是否正确。虽然这在流行度通常等同于准确性的消费市场中可能是可以容忍的，但企业领域要求精确度。错误的输出可能导致法律和合规风险，尤其是在关键应用中。
可重复性。LLM 本质上是随机的，即使输入相同，也会产生不同的输出。这种多变性虽然有助于提高其与人类相似的质量，但在一致性至关重要的企业场景中却带来了挑战。医学、金融和法规遵从性方面的应用可能需要可重复的结果。