我们亟待进行一些关于科技和人工智能的成熟的讨论。
目前,关于智能的对话几乎被耸人听闻的新闻标题覆盖,大家都在谈论人工智能如何一夜之间取代人类,员工们面临岌岌可危的失业处境。
然而,我们需要诚恳地提出一个基础问题:“现有的工作都被处理得很好么?还是有可以改进之处?”
现实中,其实有很多工作不太适合人类员工来完成,比如那些我们感觉异常繁琐的工作。例如,做会议纪要、输入数据、更新日历、以及更多事务性的工作。人类员工的智能非常不适应这种工作。结果往往是我们常犯错误,比如忘记做某个事情、不断啰嗦地重复、感到厌烦、不准时、拖沓,还有很多。
这些领域其实就是“机器人”可以立即带来价值的地方。当然还有更多的价值人工智能可以帮我们实现,包括:仿生学习,像人类一样进行决策等。人工智能可以将“机械工作”的部分从员工的工作中剥离出来,很好地完成那些繁琐的并且人类不太有效率完成的工作。
近来,有强烈的声音呼吁人工智能在制造业领域的应用来促进工作效率。中国员工的工资越来越高,企业已经渐渐无法利用廉价劳动力这一优势进行全球化竞争。在中国,人口老龄化也促使人工智能和自动化的发展。在中国,年龄在15-64岁的工作人口有9.98亿,但是这个数据从2014年开始下滑,将在2050年降低至8亿。
根据国际机器人联合会(IFR,International Federation of Robotics)的数据,中国在2016年新增了87000个工业机器人,略少于欧洲和美国数量的总合。预测到2020年,工业机器人在中国的年增长率将超过20%。
新型科技,例如会话机器人,物体/语音识别技术、高级分析、自然语义处理等已经悄然代替了很多让人倍感疲惫的人工劳作,无论是自动文本翻译、解答客户的基础问题、安排行程表、或者分析非结构性数据等。
让人惊讶的不是这些新的技术能力取代了人工,而是这些新的技术很好地补充了人类员工的不足,很好地完成员工工作中机械化且没有价值的部分。
不要仅仅听我的一面之词。埃维诺近期的调研发现,超过半数的全球企业家非常有信心人工智能将和人类员工很好地协同工作,而不是取代员工工作。86%的受访企业家相信,企业必须在未来五年内部署人工智能来成为其领域的领先者。
我们也需要强调几个企业需要注意的问题。如果我们无法理解人工智能可以帮助员工的范围和职责,那么我们就会面临真正的无效率的风险。新型的科技当然可以为企业带来显著的效率,但前提是确保企业为“机器人”设置正确的工作目标。因此,智能自动化需要严格地以目标为导向,来配合企业更广泛的业务战略和数字化转型战略。
第二,为了成功地部署新的战略目标,并且带领员工向新的工作模式转型。企业和企业领导期待员工掌握新的技能,使用新的技术和工具。
成功的秘诀不仅限于了解人类员工和科技所能提供的技术能力,而且还包括了承认员工个人的不足。人工智能的成功取决于如何正确地分配工作给“机器人”和员工,让他们互为补充,同时实现一个更为愉快的,更多交流的,以及更加有效率的工作团队。
很多人担心机器人的诞生,但是同时也痛恨自己被视为机器人。我们现在有了这样的机会(也许是百年一遇的机会)来改变我们的工作方式,赋予原先工作新的意义,从而获得新的满足感。让我们拭目以待如何让机器为我们工作,而不是取代我们。(本文作者:埃维诺全球高级副总裁及大中华区总经理郭秀闲)
好文章,需要你的鼓励
惠普企业(HPE)发布搭载英伟达Blackwell架构GPU的新服务器,抢占AI技术需求激增市场。IDC预测,搭载GPU的服务器年增长率将达46.7%,占总市场价值近50%。2025年服务器市场预计增长39.9%至2839亿美元。英伟达向微软等大型云服务商大量供应Blackwell GPU,每周部署约7.2万块,可能影响HPE服务器交付时间。HPE在全球服务器市场占13%份额。受美国出口限制影响,国际客户可能面临额外限制。新服务器将于2025年9月2日开始全球发货。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
安全专业协会ISACA面向全球近20万名认证安全专业人员推出AI安全管理高级认证(AAISM)。研究显示61%的安全专业人员担心生成式AI被威胁行为者利用。该认证涵盖AI治理与项目管理、风险管理、技术与控制三个领域,帮助网络安全专业人员掌握AI安全实施、政策制定和风险管控。申请者需持有CISM或CISSP认证。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。