Uber在過(guò)去五年里花了25億美元,但現(xiàn)在離自動(dòng)駕駛汽車(chē)的交付仍很遙遠(yuǎn)。
今年全球公司在人工智能系統(tǒng)(AI)上的支出將超500億美元,是個(gè)創(chuàng)紀(jì)錄的投資,但絕大多數(shù)公司可能不會(huì)從中獲得太多回報(bào)。
《麻省理工學(xué)院Sloan管理評(píng)論》及波士頓咨詢集團(tuán)(英文縮寫(xiě)為BCG)最近對(duì)3,000多位公司經(jīng)理的人工智能支出進(jìn)行了一項(xiàng)調(diào)查并發(fā)布報(bào)告稱,到目前為止,只有10%的公司從人工智能投資獲得重大財(cái)務(wù)收益。
這項(xiàng)研究的負(fù)責(zé)人BCG北美人工智能業(yè)務(wù)聯(lián)席主管Shervin Khodabandeh表示,人工智能技術(shù)的收益并未跟上采用步伐。Khodabandeh稱,“我們見(jiàn)到更多的人工智能活動(dòng),更多的活動(dòng)也意味著在技術(shù)和數(shù)據(jù)科學(xué)的投資更多。但其影響力并沒(méi)有真正改變。”
該研究報(bào)告里的結(jié)果應(yīng)該會(huì)引起有些企業(yè)的擔(dān)心,這些企業(yè)在AI項(xiàng)目不斷以驚人的速度投入資金,希望能將人工智能工具用于各種領(lǐng)域,例如管理合同、家庭助理和自動(dòng)駕駛汽車(chē)。IDC數(shù)據(jù)顯示,今年全球人工智能系統(tǒng)的投資預(yù)計(jì)將超過(guò)500億美元。IDC還預(yù)測(cè),到2024年,人工智能系統(tǒng)投資額將達(dá)到1100億美元。
盡管投入了數(shù)十億美元,失敗的AI項(xiàng)目卻成了不斷增加的因素。例如,IBM的Watson技術(shù)吸引了不少風(fēng)險(xiǎn)投資,一個(gè)腫瘤學(xué)項(xiàng)目就募得6200萬(wàn)美元,但項(xiàng)目的系統(tǒng)在癌癥治療上卻因提出不當(dāng)?shù)慕ㄗh曾被嘲諷。IBM后來(lái)降低了旗下Watson技術(shù)的優(yōu)先級(jí)。亞馬遜AI也由于出現(xiàn)歧視女性的偏見(jiàn)而擱置了AI招聘工具。一些較小的企業(yè)發(fā)現(xiàn),構(gòu)建人工智能技術(shù)比表面上看起來(lái)要更難一些,一些應(yīng)該由AI驅(qū)動(dòng)的虛擬助手和會(huì)議調(diào)度程序最終要依賴幕后的人工操作。
Khodabandeh表示,公司要交付達(dá)到預(yù)期結(jié)果的AI項(xiàng)目碰到困難,因?yàn)樗麄冊(cè)诳萍己蛿?shù)據(jù)科學(xué)家方面的花費(fèi)太多,但卻沒(méi)有在業(yè)務(wù)流程上做出改動(dòng)致使業(yè)務(wù)從AI中受益。Khodabandeh這一結(jié)論與6月份發(fā)表的《哈佛商業(yè)評(píng)論》報(bào)告相仿。
再來(lái)看看以打車(chē)為服務(wù)的Uber公司。Uber工程師上個(gè)月得出結(jié)論,旗下的自動(dòng)駕駛汽車(chē)行駛不出半英里就會(huì)遇到問(wèn)題。根據(jù)The Information網(wǎng)站一份報(bào)告(https://www.theinformation.com/articles/infighting-busywork-missed-warnings-how-uber-wasted-2-5-billion-on-self-driving-cars)的資料,該項(xiàng)目的人工智能“連搞定簡(jiǎn)單的路線和簡(jiǎn)單的操作都吃力得緊”。根據(jù)一份內(nèi)部備忘錄資料,失敗的部分原因:內(nèi)部各種想法在如何實(shí)施人工智能技術(shù)方面沒(méi)法達(dá)成一致。
不過(guò)由于AI在節(jié)省和改善大規(guī)模業(yè)務(wù)上存在的潛力,一眾公司也不太可能很快停止對(duì)該技術(shù)的投資。BCG和麻省理工學(xué)院的研究人員發(fā)現(xiàn),57%的公司表示已部署或試用了自己的AI項(xiàng)目,高于2018年的44%。
Khodabandeh表示,要想從這些項(xiàng)目獲得回報(bào),更多的AI采用者需要重新考慮如何在自己的業(yè)務(wù)中整合人工智能技術(shù)。他表示,“顯然有很多炒作。有些炒作來(lái)自數(shù)據(jù)。”
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(zhuān)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(zhuān)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(zhuān)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。