1 简介

在生成式人工智能领域，互操作性正成为一个越来越重要的话题，

因为越来越多的模型制作者将他们的定制模型扔进了擂台上，而现有的生产者则使他们的模型变得更大更好。

但是，互操作性（也称为多模型[与多模态不同]）是什么意思？

更具体地说，对于像我这样非技术性、以运营为重点的人或市场消费者来说，

• 互操作性在通用语言中的意义

我试着把他的话倒回去，以测试我的理解力。

由于我来自北京，通过隐喻来理解生活，所以我用我的食物来分解它：

AI 平台中的互操作性就像一锅八宝粥。

	这是一个混合菜（平台），植根于各种各样的成分（模型），
	这些成分（模型）本身就很棒，但当以特定方式组合时，就会做出美味的东西。

你可以去掉一两种成分或做一些替代品，比如把八宝粥中的核桃换成花生米，但它仍然是八宝粥。
而作为一个多模型平台是成品。平台团队是精心挑选所有食材及其部分的厨师，供贪婪的市场和用户享用。

在幽默之后，有人说：“是的，这很相似。要考虑的另一件大事是，我们也希望能够为我们的特定客户量身定制方"

因此，如果我们的一些客户喜欢某些成分而不是其他成分。我们可以通过根据他们的口味定制食谱来帮助他们，这实际上可以帮助他们取得成功。

2 交互性的重要

如果没有互操作性，AI平台或任何其他 AI通用模型都不可能实现，交互性允许许多不同的模型组合在一起。

我继续向介绍企业营销运营中互操作性如何运作的一些基础知识。

我们还讨论了该领域的数据隐私，为什么平台是基于这个想法构建的，以及互操作性对 AI 的未来可能意味着什么。

以下都是更美味的东西。

您能否用简单的术语解释一下人工智能中的互操作性意味着什么，以及为什么它对企业很重要？

	互操作性是指在多个系统之间运行的能力。
  用户希望能够保持其功能和操作的活力和蓬勃发展，而不管提供商的具体功能是什么。

在很多AI平台（文案写作）的案例中，我们利用许多大型语言模型和基础模型来帮助我们构建生成功能。

对于我们来说，要考虑互操作性的重要一点是，我们不想过于依赖特定的模型来撰写博客、处理社交媒体帖子或任何用例。

我们需要使用多个模型来提供功能，以防一个模型更好地执行某些功能。

或者，如果某个模型不再可用，或者其安全或隐私政策发生变化，并且与企业级产品重点不一致。

3 企业运营的影响：提高竞争力

人工智能互操作性如何对企业营销运营效率产生积极影响？

一个巨大的好处是始终如一的正常运行时间，即系统在没有任何中断或停机的情况下保持运行和访问的时间。

比如许多现有基础模型提供商的正常运行时间低于我们所能提供的正常运行时间。

最大的原因是能够为我们的关键功能提供互操作性和多模型提供程序。

由于我们能够将我们的功能与单个模型提供商分离，

因此如果模型提供商出现故障，能够转移到另一个提供商并允许功能继续运行，
而不会给营销团队带来任何停机时间。

这使团队可以继续简单地完成手头的任务，而不必担心下游提供商是否真的允许他们完成工作。

4 缺乏互操作性的坏处

假设模型提供程序允许您执行特定类型的生成，例如社交媒体帖子，而无需任何互操作性。

然后他们决定调整他们的隐私立场，您的数据不再像以前那样安全。
您现在无法再使用该功能，并且无法完成工作的关键部分。

• 数据隐私和安全

人工智能领域的数据和隐私一直在增长，一直在变化。但这并不意味着模型提供者总是以同样的方式思考它们。

某些模型提供商可能会选择放弃企业级解决方案，专注于消费者市场。

其他人可能会选择专注于高端市场，但因此失去了功能。

互操作性使我们能够保持我们的功能，同时保持我们对数据和隐私安全的关注。

• 企业可以做些什么来确保不损害数据隐私和安全

一件非常重要的事情是确定人工智能平台是否可以将其功能与其提供商解耦。

这使公司能够提供更高级别的隐私和安全性，无论我们使用何种模型。

很多可以做到这一点，因为我们在使用的模型之上有一个层，允许我们将客户数据与模型提供者分开。我们只在必要时利用客户的数据与供应商交谈。这些数据是在与客户商定的限制范围内使用的。

因此，如果我是企业用户，我想寻找一个能够维护最高级别数据隐私的平台。我想确保他们不仅受制于模型提供商自己制定的条款和许可。

您能告诉我们更多关于 Jasper 选择植根于多个模型来为我们的 AI 引擎提供动力的信息吗？

我们选择采用多模型的最大原因之一是，随着许多新提供商进入该领域，Gen AI 和基础模型提供商的格局正在以光速发展。

能够在多个模型中进行选择，这意味着无论环境如何移动，都可以快速适应并在最新和最强大的功能（包括自己构建的模型）的基础上进行构建。

希望通过为营销用例和最佳实践提供垂直导向 AI 来确保为客户多模型生态系统做出贡献——不依赖于许多大型基础模型提供商。

因此选择采用多模型是关于灵活性、数据安全性，以及通过在各种可能的情况下为他们提供一流的服务来为这个生态系统和我们的目标客户提供最佳服务的能力。

5 关于 AI 互操作性的误解

关于基础模型的最大误解之一是，它们越大，它们就越擅长做任何事情。

很多平台开始发现，对于许多用例来说，情况并非如此：越大的模型越是擅长做任何事情。

大型通用模型并不总是最好的情况，因为它们在特定区域中很宽但不是很深。

它说明了为什么需要互操作性，因为在与客户合作时，可以建立一个不那么宽泛但在营销垂直领域更深入的模型，并允许他们获得更多价值。

实际上，AI提供商们正试图将两全其美结合起来：在用户需要时为用户提供一些大型模型的通用用例，以及深入的、垂直导向的营销专用模型。

例如，客户在市场研究后才能开始构建他们的内容。

因此，平台将使用更大的基础模型，如 OpenAI 或 Anthropic 来帮助他们。

然后，当他们开始完善内容时，他们需要对内容进行 SEO 优化。

因此，他们需要一个针对营销特定任务的法学硕士，而不是通用的东西。

6 未来AI的交互性

展望未来，如何看待人工智能互操作性的发展，这对企业有何影响？

人们将看到人工智能模型正在演变成更小、更集中的模型。

更大的模型很棒，在塑造景观的领域中将继续有大玩家。

但与任何成长中的行业一样，它总是从超级宽泛开始，但不是很深。

最终，人们希望看到更多的深度真正磨练到特定的用途。随着人们继续发展正在使用的人工智能，他们将看到更小、更多用例驱动的模型，这些模型提供针对特定任务的强大用户功能。

当企业开始构建这些副驾驶时，人们看到未来会发展到非常具体的人工智能助理在引擎盖下内置互操作性。

这可以改变他们在引擎盖下执行这些任务的方式，而用户或公司实际上不需要知道这是如何发生的。

因此，人们可以在多种模型的基础上训练和构建这些助理，使公司能够充分利用每个可能的选择。

• 市场负责人者在评估 AI 交互性时应该考虑什么

值得评估的一件非常好的事情是他们如何能够尝试新技术和新模型类型。

公司对利用一些较新的技术和模型进行试验和迭代的速度越快，
他们就越快能够将该功能整合到其可互操作的平台中。

我们非常注重快速试验这些模型。他们会问这样的问题，

	“这些模型有额外的偏见吗？
    他们擅长什么？他们不擅长什么？
    它们是否可用，如果可用，我们如何将它们用于客户用例？

因此，公司应该问人工智能平台，“你对引入平台的新模型做了什么样的实验？”