作者:Rich Data Corporation首席执行官关睿
2018年,数据技术不仅将变得更加尖端,它也会对我们每一天的生活产生实质的影响。基于人工智能的数据已逐渐成为了我们工作的基石,改变了我们购物以及和外界沟通的方式。
至于“深度学习”、“机器学习”、以及“混合学习模型”这些技术将如何使消费者真正受益这一问题,各行各业的企业已经展开了探讨。因此,基于人工智能的应用将在2018年呈爆发性的增长。未来,人工智能将越来越擅长模仿人类的思考与学习方式。但就目前而言,企业仍然需要通过与领域专家合作,不仅只是收集数据,更要对数据加以挖掘和利用。这样才能赋予人工智能更多的人情味。我们当前正处在“数据淘金”的时代,企业必须对数据进行开发才能实现其真正的价值。
2018年,数据与人工智能将在家居智能化、提升客户体验,以及拓展银行业务三个领域带来重大影响。
请想象这样的场景:走到家门口,通过手机即可开门;觉得屋内有些热,通过语音助理便启动了空调;晚餐时间,你只需把腌制好的牛排放入智能烤箱,它便根据你的喜好烹饪出了一盘完美的牛排。
现如今,智能家居已不再是科幻小说里的假设,而是物联网的真实产物。其中,数据更是智能家居生态系统赖以生存的核心。对于企业而言,2018年是探索智能家居其零售影响力的关键一年。市场领先的研究机构Ovum预测,由于很多企业的参与,智能家居的市场竞争进一步加剧,所以2018年将成为智能家居技术的重要转折点。一些亚太地区的家电企业已在这场竞争中打响了头阵,例如财富世界500强的中国企业美的集团,已开始运用数据与人工智能技术分析客户的需求,并能够推荐高度相关的智能家居产品。
但是智能家居的发展前景不单单只影响企业的发展,它与我们日常生活中一些有特别需求的人也息息相关。对老龄人口的影响就是一个很好的例证。2017年,香港地区65岁及以上的人口超过总人口的16%;预计到2040年,中国大陆地区工作者与退休人员的比例将从5:1跌落到1.6:1;整个亚太地区的情况都大致相同。在帮助更多老年人独立生活方面,智能家居具备前所未有的潜力。此外,智能家居设备可收集老人日常生活的数据,一旦发现任何数据偏差,便可及时将出现的问题通知给家人或监护者。
对于我们每一个人而言,未来都是特别定制的,包括如何购物,如何接受医疗服务,以及如何与科技互动。在2018年,随着消费者对个性化推荐的预期走高,为顾客提供量身定制消费体验的需求也将达到顶峰。一项研究发现,88%的营销人员在提供个性化服务之后业绩明显提升。三分之一的人表示早已利用机器学习来推出个性化的服务。
事实上,基于人工智能和机器学习的行为分析是响应性零售的未来。在2018年,人工智能将具备更强大的学习能力,可以对过去的和当前的海量行为数据进行学习,以此描绘出每一位顾客的精准画像,进而做出回应,包括:发布定制化的推荐,以及根据顾客的潜在需求推送定制化促销。
数据为银行开启了一个全新的世界,也为银行用户提供了多样化的服务。例如,亚太地区存在大量的无银行账户人口,约有11.9亿人未与银行有过正式的业务来往。在以前,由于银行缺乏一个可信赖的方式对那些无银行账户公民的信用度进行评估,因此不愿借款给他们。但现如今,数据改变了这个局面。
数据催生了新金融科技解决方案。随着它的问世,银行开发出创新的评分和风险框架分析技术,用以对潜在借款人不同的数据进行评估。这些数据来源于社交媒体、租借和公共设施支付记录,以及非正式借款记录等。
信用画像所产生的影响是深远的。在大量无银行账户的地区,信用画像对个人和企业借款人进行评估,并为其提供贷款,以此促进了业务的增长。在传统银行社区,新金融科技解决方案,比如实时信用评分,可以帮助银行进行自动化的决策,并提供更快捷和更加精准的信用服务。越来越多的新金融科技企业加入到了市场竞争,传统银行为了不被市场淘汰也进行了大量的投资。对于任何一家金融企业而言,2018年都将会是关键的一年,他们应该着重探索如何通过创新的数据解决方案来满足客户的需求。
来年,人工智能和机器学习将持续影响着商业的各个方面。中小企业需要和经验丰富的商务人士一同协作,才能创造和获取最大的商业价值和成果。只有当企业利用人工智能和数据为人们带来全新体验时,他们才能够真正取得新的商业收益,并在数据演变的进程中始终受益。
好文章,需要你的鼓励
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。