多模態應用，賦能生產力：從數據類型劃分

按照生成數據類型或者模態劃分, 生成式人工智能的應用涵蓋了文字、圖像和音頻等L域。生成式人工智能技術可以用于參與數字內容創作，突破傳統內容創作的數量約束，有著更為流暢和G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，創造業務價值：從行業劃分

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和應用場景如醫療行業和金融行業，憑借其專業化和準確化的 優勢，更容易解決特定L域的問題，創造業務價值，實現商業變現。垂直大模型主要通過“預訓練大模 型+微調”的開發方式，只需針對具體任務對大模型進行二次開發，降低了企業應用的開發門檻。

美國生成式人工智能道德倫理挑戰和解決方案

2021年10月, 美國平等就業機會委員會啟 動了一項倡議，以確保在招聘和其他就業決策中 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 各地采取措施，實施更嚴格的監督，以防止人工 智能在就業中被濫用。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《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。盡管法律和監管L域仍處于起步階段，許多 科研組織和D的科技企業已經開始了自我監 管，以促進負責任的生成式人工智能開發和部 署，并幫助防止生成式人工智能工具提供可能延 續甚至加劇非法就業歧視的有偏見的結果。例如 微軟（Microsoft）這樣的跨國公司開發和發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&合規風險白皮書：如何理解和應對生成式人工智能引發的數據合規風險