多模態(tài)應用，賦能生產力：從數據類型劃分

按照生成數據類型或者模態(tài)劃分, 生成式人工智能的應用涵蓋了文字、圖像和音頻等領域。生成式人工智能技術可以用于參與數字內容創(chuàng)作，突破傳統內容創(chuàng)作的數量約束，有著更為流暢和高效的人機 交互模式，減少了重復性的任務負擔，實現生產力解放。

聚焦個性化場景，創(chuàng)造業(yè)務價值：從行業(yè)劃分

隨著人工智能算法的迭代、算力的進步和數據的增加驅動生成式人工智能的技術變革，生成式人工 智能模型的大范圍連續(xù)對話能力、生成內容質量、語言理解能力和邏輯推理能力上都得到大幅提升。相 比通用大模型，垂直大模型深耕特定行業(yè)和應用場景如醫(yī)療行業(yè)和金融行業(yè)，憑借其專業(yè)化和精準化的 優(yōu)勢，更容易解決特定領域的問題，創(chuàng)造業(yè)務價值，實現商業(yè)變現。垂直大模型主要通過“預訓練大模 型+微調”的開發(fā)方式，只需針對具體任務對大模型進行二次開發(fā)，降低了企業(yè)應用的開發(fā)門檻。

美國生成式人工智能道德倫理挑戰(zhàn)和解決方案

2021年10月, 美國平等就業(yè)機會委員會啟 動了一項倡議，以確保在招聘和其他就業(yè)決策中 使用生成式人工智能和其他技術驅動工具符合聯 邦反歧視法。人工智能導致歧視性結果的能力， 特別是以不明顯或不易識別的方式導致的歧視性 結果，以及相關的已知和未知后果，已導致全球 各地采取措施，實施更嚴格的監(jiān)督，以防止人工 智能在就業(yè)中被濫用。如果算法識別出申請人的 身體殘疾、精神健康或其他不明顯的臨床診斷， 則可能觸發(fā)《美國殘疾人法》。例如，雇主對顯 示震顫的數據的審查可被視為與殘疾有關的調 查，因為震顫可能顯示出某些神經系統疾病，如 腦癱或中風。盡管法律和監(jiān)管領域仍處于起步階段，許多 科研組織和頂尖的科技企業(yè)已經開始了自我監(jiān) 管，以促進負責任的生成式人工智能開發(fā)和部 署，并幫助防止生成式人工智能工具提供可能延 續(xù)甚至加劇非法就業(yè)歧視的有偏見的結果。例如 微軟（Microsoft）這樣的跨國公司開發(fā)和發(fā)布自己的生成式人工智能原則或指導方針已經成為 一種常見的做法。

附件：2023生成式人工智能道德&合規(guī)風險白皮書：如何理解和應對生成式人工智能引發(fā)的數據合規(guī)風險