IEEE专家谈生成式AI正以意想不到的方式重塑其工作

如今放眼望去，生成式人工智能领域总能涌现出一个个令人瞠目的全新数据。从生成式AI市场的规模，到其用户数量，很难想象这类工具自2022年11月才开始向公众广泛开放使用。

尽管热度居高不下，IEEE近期的一项调查却显示，各类机构正苦于将这项技术整合到自身的整体业务运营中。人们确实在使用生成式AI，但每个人的使用方式似乎都不尽相同。

我们邀请了一组IEEE会员 —— 其中涵盖科研人员、网络安全专家、半导体设计师与教育工作者 —— 分享生成式AI究竟在哪些方面改变了（又在哪些方面并未改变）他们的工作流程，聊聊借助这项技术，他们如今能完成哪些以往无法实现的工作，以及在哪些环节，人类的主观判断仍具有无可替代的重要性。

你目前是如何运用人工智能技术的？

IEEE高级会员Shafeeq Rahaman：我在一家全球广告公司负责数据分析与数据基础设施相关工作。我的团队搭建机器学习模型，以此优化全渠道的整体营销投入，并衡量特定营销活动的实际效果。人工智能能实现数据接入的自动化，挖掘营销投入与业绩表现之间的因果关联，还能模拟不同预算场景下的未来营销效果。

生成式人工智能如何改变了你在所属领域中解决问题的思路与方法？

IEEE高级会员Nicholas Napp：我们为科技行业客户提供商业战略、产品战略咨询，以及部分产品开发服务。科技行业的发展历程中，数不胜数的企业推出产品时，从未考虑过这款产品究竟能解决什么实际痛点。而生成式AI降低了方案落地的执行成本，让创意构思与验证的过程变得前所未有的便捷。我依然坚信，挖掘用户的真实需求是核心前提，但生成式AI让整个工作流程的迭代效率得到了极大提升。

生成式人工智能出现后，你如今能完成哪些过去根本无法实现的工作？

IEEE会员Man Zhang：我的工作是为本科生和研究生讲授机器学习、神经网络、自然语言处理以及计算机视觉的基础课程。生成式AI带来的最显著变化，是让我能够大规模地为学生打造高度个性化、可动态适配的学习路径。在生成式AI出现前，要为一个百人的班级定制专属的辅导材料和练习题，从实际操作层面来说根本无法实现。而现在，我可以搭建相应的教学系统，借助生成式AI根据学生表现出的具体知识薄弱点，动态生成针对性的讲解内容和练习题。

IEEE高级会员Sarat Chinta：我从事半导体芯片设计工程师的工作。在任何一家半导体企业内部，都留存有多项过往的设计方案，这些方案往往基于相似或迭代升级的工艺节点开发。无论是全新的芯片设计项目，还是将现有设计适配至新工艺节点的项目，在实际开展设计工作前，都需要完成大量的设计分析与工艺技术分析工作。传统模式下，对这类海量数据集以及跨工艺节点的设计差异展开分析，过程耗时极长。而如今生成式人工智能能够实时处理大规模的设计数据，提炼出具备实际参考价值的核心结论，助力设计团队更快、更精准地做出设计决策。

在你依托人工智能开展的工作流程中，人类的作用在哪些环节仍体现得最为关键？

IEEE会员Juan Galindo：最核心的环节是对目标、需求与约束条件的界定和评估。此外，对工作流程本身进行分析、使之更精准完善的环节，也离不开人类的主导作用。

若要纠正人们对生成式人工智能的一个认知误区，你会选择哪一个？

IEEE会员Ning Hu：生成式人工智能的优势在于灵活化操作与人机交互，而非精密工程设计。它是一款出色的决策支持工具，能够助力我们探索各类解决方案、厘清不同选择的利弊取舍，还能让想法的沟通传递更高效。当需要实现精准、复杂的系统运行效果时，传统的确定性编程依然不可或缺。生成式人工智能的作用是赋能人类的决策过程，而非替代精准的技术落地执行。核心关键在于让工具与任务相匹配：用生成式人工智能做探索与沟通类工作，用传统方法完成对精准度和可靠性有要求的工作。

考取人工智能伦理认证：人类对人工智能的依赖度越高，确保其被负责任地使用就越重要。