生成式人工智能（Generative AI）登上了Gartner2023年新兴技术的炒作周期（Hype Cycle）。本文将带您了解人工智能对企业和社会的转型性影响。

Gartner周三宣布，生成式人工智能已进入该公司新兴技术的炒作周期（Hype Cycle）。该公司表示，生成式人工智能将在未来两到五年内带来“转型效益”。Gartner副总裁分析师Melissa Davis表示，转型效益的定义是“跨行业开展业务的新方式，并将导致行业动态的重大变化，”的效益。

人工智能位于该公司今年新兴技术炒作周期内的“过度期望之巅”。炒作周期根据技术在其生命周期内的成熟程度进行发展，Davis解释道。她说，所有的炒作周期都是从某种突破、公开展示、产品发布或其他事件在行业中引发对某项技术或其他创新的兴趣开始的。

“我们称之为‘创新触发器’，”Davis补充道。“在过高预期的高峰期，一波‘嗡嗡声’就会形成，人们对这种创新的期望也会高于其目前的实际能力。”

Gartner 在宣布这一消息的新闻稿中说，生成式人工智能包含在新兴人工智能这一更广泛的主题中，它是这一炒作周期中的一个关键趋势，正在为创新创造新的机遇。

生成式人工智能带来的商业利益

Davis表示，生成式人工智能将在内容发现、创作、真实性和监管、人类工作自动化、客户和员工体验等领域产生深远的商业影响。

她表示：“在未来12个月内，大多数技术产品和服务将融入生成式人工智能功能，引入会话式的技术创造和交流方式，从而实现技术的大众化。”“生成式人工智能将在垂直产业、科学发现和技术商业化方面迅速发展。”

其他新兴人工智能技术

除了生成式人工智能，Gartner还列举了其他六种新兴人工智能技术，该公司认为它们在增强数字客户体验、做出更好的业务决策和建立可持续的竞争差异化方面具有巨大潜力。新兴的人工智能技术有：人工智能模拟、因果人工智能、联邦机器学习、图数据科学、神经符号人工智能和强化学习。

Davis说，这些技术是在经过Gartner内部和外部数据源的全面评估和分析后选择的，目的是选择具有潜在转型效益和广泛影响的技术。她将每一种人工智能技术细分如下：

1、人工智能模拟是人工智能和仿真技术的结合应用，它可以用于共同开发人工智能代理和模拟环境，在模拟环境中可以对人工智能代理进行训练、测试和部署。

2、因果人工智能识别和使用因果关系进行工作，超越基于相关性的预测模型，朝着能够更有效地指导行动和更自主地采取行动的AI系统发展。

3、联邦机器学习是在不显式共享数据样本的情况下，在包含在本地节点中的多个本地数据集上训练机器学习算法。

4、图数据科学是一种将数据科学技术应用于图数据结构以识别可用于构建预测和指导模型的行为特征的学科。

5、神经符号人工智能是复合人工智能的一种形式，它将机器学习方法和符号系统（例如知识图谱）结合起来，以创建更强大和可信赖的人工智能模型。

6、强化学习是一种只接受正面反馈（奖励）和负面反馈（惩罚）训练的机器学习类型。

其他新兴科技趋势

除了新兴的人工智能，Gartner发布的报告还列举了其他新兴技术趋势：开发者体验、普及的云计算以及以人为本的安全和隐私。

开发者体验（DevX）：DevX指的是开发人员与工具、平台、流程以及与他们一起开发和交付软件产品和服务的人员之间的所有类型的交互。Gartner的最新新闻稿称，企业在数字化计划方面的成功取决于增强DevX。这包括吸引和留住顶尖工程人才的能力，并确保工作具有激励和回报。

该新闻稿称，增强DevX的关键技术包括人工智能增强软件工程、以API为中心的软件即服务、GitOps、内部开发者门户、开源项目办公室和价值流管理平台。

无处不在的云：Gartner指出，云计算将在未来十年中从一种技术创新平台演变为无处不在的商业创新推动力。为了实现无处不在的采用，云计算正在扩散到更多的领域，并将专注于垂直行业。

实现普适性云的关键技术包括增强型FinOps、云开发环境、云可持续性、云原生、边缘云、行业云平台和WebAssembly。

以人为中心的安全和隐私：人类仍然是安全事件和数据泄露的主要原因。企业可以通过实施以人为本的安全和隐私计划来提高自身的抗风险能力。这就将安全和隐私结构融入了企业的数字化设计中。

该公司表示，扩大以人为中心的安全和隐私需要关键技术的支持，包括人工智能信任、风险和安全管理、网络网络架构、生成式人工智能网络安全、同态加密和后量子加密。

科技领导者现在应该采取哪些行动？

Davis建议，即使人工智能目前备受关注，首席信息官和首席技术官也必须将注意力转向其他具有转型潜力的新兴技术。

此外，他们应该记住，这个炒作周期中的技术仍处于早期阶段，因此“它们将如何发展存在很大的不确定性，”她补充说。因此，这些技术在部署时存在更大的风险，“但对于早期采用者来说，可能会带来更大的收益。”