德勤(Deloitte)本周發(fā)布的一項(xiàng)研究表明,早期采用人工智能(AI)和認(rèn)知技術(shù)的企業(yè)在獲得經(jīng)濟(jì)收益的同時(shí),正在創(chuàng)造新的就業(yè)機(jī)會(huì)。
接受調(diào)查的企業(yè)總體上對(duì)于認(rèn)知技術(shù)在其組織中現(xiàn)期和未來(lái),所扮演角色的看法是積極的。在接受調(diào)查的 250 名“有認(rèn)知意識(shí)”的美國(guó)高管中,已經(jīng)有接近三分之二(63%)的人已經(jīng)開(kāi)展了培訓(xùn)項(xiàng)目,幫助員工了解如何開(kāi)發(fā)認(rèn)知技術(shù)并與之協(xié)同工作。
與許多人認(rèn)為的情況相反,調(diào)查對(duì)象并不認(rèn)為失業(yè)是人工智能相關(guān)工作的一個(gè)重要結(jié)果,69%的受訪者預(yù)計(jì)在未來(lái)三年內(nèi)失業(yè)的數(shù)量會(huì)非常小,甚至不會(huì)帶來(lái)什么失業(yè)。
該報(bào)告表示,事實(shí)上,超過(guò)四分之一的組織(29%)認(rèn)為,隨著人工智能和認(rèn)知技術(shù)的普及,新工作機(jī)會(huì)將會(huì)隨之增長(zhǎng)。當(dāng)被問(wèn)及人工智能和認(rèn)知技術(shù)帶來(lái)的好處時(shí),勞動(dòng)力減少的排名是最低的(22%)。
們應(yīng)該看看人們和機(jī)器如何以合作的方式協(xié)同工作。” Cathy Engelbert表示, “利用新技術(shù)作為我們員工隊(duì)伍新工具的能力最終將為我們的員工建立高價(jià)值技能提供新的機(jī)會(huì)。”
絕大多數(shù)的受訪者(92%)認(rèn)為認(rèn)知技術(shù)是其內(nèi)部業(yè)務(wù)流程的一個(gè)重要部分,87%的受訪者認(rèn)為認(rèn)知技術(shù)將在改善其產(chǎn)品和服務(wù)方面起到重要的作用。此外,大約有四分之三(76%)的受訪者希望AI和認(rèn)知技術(shù)能夠在三年內(nèi)實(shí)質(zhì)性地改變他們的公司。
調(diào)還查發(fā)現(xiàn),有12%的公司在認(rèn)知技術(shù)方面投入超過(guò)了1000萬(wàn)美元。而投入在500萬(wàn)到1000萬(wàn)美元、100萬(wàn)到500萬(wàn)美元以及50萬(wàn)到100萬(wàn)美元的公司比例都在25%左右,只有7%的公司的投入不到50萬(wàn)美元。這些投資主要面向IT、產(chǎn)品開(kāi)發(fā)與研發(fā)以及客戶服務(wù)。總體而言,目前公司使用的認(rèn)知技術(shù)還處于初級(jí)階段,而且大多數(shù)公司還沒(méi)有為這些技術(shù)提供良好的預(yù)算。
大約四分之三認(rèn)知技術(shù)的早期應(yīng)用者在探索那些成熟的認(rèn)知技術(shù),他們正在使用于機(jī)器人流程自動(dòng)化(RPA)(73%)、統(tǒng)計(jì)機(jī)器學(xué)習(xí)(70%)以及深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)(49%)。
到目前為止,這些較新的技術(shù)似乎正在得到回報(bào)。大多數(shù)受訪者表示人工智能和認(rèn)知技術(shù)帶來(lái)了中等到顯著的經(jīng)濟(jì)收益。
更喜歡從最成熟的項(xiàng)目入手,或者再等上幾年,等到技術(shù)成熟。
德勤咨詢(Deloitte Consulting)的Ryan Renner表示,那些希望通過(guò)認(rèn)知技術(shù)獲得競(jìng)爭(zhēng)優(yōu)勢(shì)的企業(yè)應(yīng)該“重新思考”何時(shí)、為什么以及如何通過(guò)人與機(jī)器的協(xié)同工作來(lái)取得更好的成果。
Renner還說(shuō),這些技術(shù)正在破壞組織如何執(zhí)行任務(wù)、做出決策以及在客戶和內(nèi)部完成互動(dòng)的方式。他表示,真正的價(jià)值只有知道如何在公司的業(yè)務(wù)、市場(chǎng)、企業(yè)文化和行業(yè)環(huán)境中最有效地應(yīng)用技術(shù)的前提下才能創(chuàng)造出來(lái)。
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專家搜索方法,讓AI能根據(jù)不同問(wèn)題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類(lèi)型問(wèn)題偏愛(ài)不同專家配置,為AI推理優(yōu)化開(kāi)辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過(guò)"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問(wèn)題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競(jìng)賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長(zhǎng)度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開(kāi)發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過(guò)滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長(zhǎng)視頻生成中的錯(cuò)誤累積問(wèn)題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開(kāi)辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過(guò)讓AI模型學(xué)習(xí)解決幾何問(wèn)題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測(cè)試基準(zhǔn)上都帶來(lái)顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績(jī)。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。