新冠疫情疫情的肆虐給我們熟悉的生活方式帶來徹底顛覆,而新興技術的采用,又成為其中最為直接的體現。
盡管社交隔離、封城、勤洗手以及佩戴口罩等簡單的傳統方法仍然更加有效,但我們的現代社會明顯希望拿出更為現代的解決方案。
因此,疫情成為技術應用的強大加速器——Zoom視頻會議、電商配送變得更加普遍,并吸引到很多原本從來不使用這些服務的新客戶。
但是,這些解決方案雖然搞定了不少迫切需求,但其本身卻未必做好了萬全準備。未來的道路上,我們又將面對哪些挑戰(zhàn)、又該如何應對?
習慣的轉變
隨著人們居家時間的延長,對支持及咨詢服務的需求也開始快速上升。語音平臺Kore.ai首席執(zhí)行官兼創(chuàng)始人Raj Koneru表示,“通話量激增了30%到40%,如此沉重的負擔只能由那些同樣被迫待在家中的遠程接線員們承受。”
呼叫中心無疑是受影響最嚴重的領域。疫情爆發(fā)之后,現場工作人員的數量急劇縮減,不少公司甚至迫于預算壓力而大幅裁員。但與此同時,客戶的呼叫數量開始激增,需要更多服務資源。為此,企業(yè)開始將目光轉向人工智能。
虛擬助手(或AI驅動型代理)開始接聽電話并替代人類接線員。盡管在智能程度上還無法與人類員工相比肩,但它們確實可以處理大部分簡單且常見的呼叫工作,保證人類接線員騰出更多精力處理真正復雜的任務。
這對接線員們來說也是件好事,他們的工作壓力得以減輕,同時也較少受到情緒激動的客戶們的騷擾。Koneru解釋道,“通過轉移掉不必要的呼叫,快速回答基礎問題并為員工提供正確的知識與技能培訓,AI解決方案極大改善了原本工作內容單調、繁瑣且效率低下等難題。”
基于AI技術的內容審核則是另一類重要應用方向。盡管技術本身還沒有徹底成熟,但隨著運營人員被迫待在家中,大型科技企業(yè)只能快速上馬AI方案以應對最低限度的審核需求。事實上,內容審核也是機器人最理想的應用場景之一,能夠把飽受枯燥工作內容折騰的審核員們解放出來。
另外,醫(yī)院、旅館及飯店中的機器人使用量也在提升。機器人服務員的出現,創(chuàng)造出更安全的環(huán)境并強化了物理隔離效果。
此外,技術也在對抗冠狀病毒、發(fā)現病毒疫苗方面貢獻著力量,為我們帶來與行動軌跡相關的跟蹤類移動應用,甚至開始在醫(yī)學研究中發(fā)揮重要作用。
但問題同樣不少
在享受技術收益的同時,我們也需要付出一定代價。舉例來說,如果不是為了應對疫情爆發(fā)這一特殊狀況,能夠跟蹤用戶行動軌跡的應用將由于嚴重侵犯隱私而永遠不會出現在我們的手機當中。
另一個例子是Zoom:該產品此前從未經過如此大規(guī)模的測試,因此很快成為黑客們的攻擊目標。好在該公司快速采取措施,旨在提高所有用戶的安全性與隱私性。
更重要的是,技術方案的不斷上線消滅了大量工作崗位。被迫長期待在家中本來就給民眾的心理健康造成嚴重影響,再加上失業(yè)率提升的沖擊,情況恐怕只會進一步惡化。
拿出負責人的解決方案
沒錯,那些有可能威脅人類生命安全、或者損害心理健康的工作崗位,確實應該更多交給AI技術處理。此外,我們也無法苛責企業(yè)對AI技術的全面推動,畢竟誰在這場競爭中落后,誰就會被市場所無情淘汰。
但我們也需要認識到,一家企業(yè)克敵制勝的法寶在于員工,而非單純的技術。與提升員工的生產效率相比,從節(jié)約工時中獲得的收益其實相當有限。另外,增加工作時間也并不一定能帶來更好的結果。
相比之下,有研究表明,員工完全可以用更短的工作時間帶來更高的生產效率。微軟公司曾嘗試過組織每周四天工作制,并最終將其定為正式制度——員工們不僅滿意度更高,而且生產率也提高了40%。
這是一場質量遠比數量更重要的比拼。就目前的情況看,“快速行動、不斷試錯”理念所帶來的新問題,遠比其解決掉的舊問題更多。企業(yè)必須立足長遠,在照顧好自身業(yè)務的同時,重視員工的實際感受。Raj Koneru坦言,“必須承認,一部分工作崗位肯定會被AI技術全面取代。在我們看來,企業(yè)應該努力提升員工技能,而不是總想著將其取代。最重要的是從員工隊伍中發(fā)現隱藏的人才,并思考如何通過培養(yǎng)他們增加業(yè)務價值。”
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據不同問題靈活調整內部專家配置。該方法在數學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯合研究團隊開發(fā)出Rolling Forcing技術,實現AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質量視頻,延遲僅0.76秒,質量漂移指標從傳統方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現,通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數據集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。