在AI的风潮下,世界各地的企业都渴望将其应用到工作中。
但问题是:将人工智能集成到现有工作中并不像打开开关那样容易,与之前整合云计算和物联网设备的经验一样,AI整合可能面临挑战。一些证据表明,数字化转型举措——一个用来描述服务数字化的广义术语——的失败率高得惊人,这意味着它们没有达到预期,超出了成本,或者在某些情况下被放弃。
引入人工智能等先进技术可能会更加困难。那么,采用的现实路线图是什么呢?未来几年,公司将如何使用人工智能?
最新的IEEE全球研究(https://transmitter.ieee.org/impact-of-technology-2024/)显示,47%的全球技术领袖认为将AI整合到工作流程中存在困难。这需要具备技术技能和系统集成的人才,以解决新用例的集成,包括生成式AI。
IEEE终身高级会员Raul Colcher表示:“生成人工智能的新用例及其与通用架构的集成可能会成为严峻的挑战。优秀的业务分析师和系统集成商至关重要。”
公司需要的技能
首先,这项技术太新了,很少有人具备专业的知识来使用它。
调查中的其他数据说明了这一挑战。受访者被要求列出他们在人工智能相关职位候选人中寻找的最高技能。各种技术技能也榜上有名,但各种软技能的需求也排名非常靠前。
IEEE高级会员Yu Yuan表示:“快速的工程制造、创造性思维和验证人工智能可交付成果的能力——这三项技能是在生成性人工智能的帮助下产生有意义成果所需要具备的。”
调查显示,尽管今年人们普遍关注生成人工智能,但已经或计划在未来一年推出使用自然语言处理的工具的受访者比例从2023年的67%上升到2024年的70%。
最有可能被采用
最有可能采用和使用人工智能解决方案的行业往往是依赖技术技能的行业。根据调查,未来一年人工智能的主要用途将是实时网络安全、提高供应链效率、帮助和加速软件开发、自动化客户服务以及加快求职者筛选。以下是我们的IEEE Impact Creators要说的话:
IEEE高级成员Kayne McGladrey表示:“现实地说,在网络安全中使用人工智能将有助于减少安全运营中心一级分析师的punishing cognitive load。人工智能承诺将使人类难以处理的大量数据之间的大部分关联自动化。”
IEEE高级会员Carmelo JoséAlbanez Bastos Filho表示:“技术上最大的瓶颈之一是编码人力资源的可用性。在许多情况下,有高附加值的智力工作,但许多软件开发活动相对简单,应该很快就会自动化。”
IEEE高级会员Nicholas Napp表示:“令人沮丧的高水平客户的服务互动经常是糟糕的。简单的问题往往得不到解决,导致浪费、客户不满意和结果不佳。任何能够有意义地改善客户服务体验的东西都应该受到欢迎。”
了解更多:IEEE计算机协会开发了一份全面的人工智能资源清单,包括道德指南和薪酬信息的链接,可以在这里查看:https://www.computer.org/resources/ai-resources。
好文章,需要你的鼓励
OpenAI研究科学家Alexander Wei宣布,公司一个未发布的实验模型在国际数学奥林匹克竞赛中解决了六道题目中的五道,获得42分中的35分,达到金牌水平。该模型展现出类似人类数学家的推理能力,能够构建复杂严密的论证。这标志着AI在创造性问题解决方面的重要突破,不过该技术预计数月内不会公开发布。
约翰霍普金斯大学与StepFun公司联合研究,成功让AI学会"边看边思考"的视觉推理能力。通过两阶段训练方法,先让AI在文字推理中掌握认知行为,再迁移到视觉任务中。开发的OVR模型在多项测试中创造新纪录,为AI教育助手、医疗诊断、科研分析等应用奠定基础。
本文探讨了判断AI是否达到通用人工智能(AGI)和人工超级智能(ASI)水平所需的问题数量。目前缺乏确定的测试方法来评估是否达到顶级AI水平。基于图灵测试的分析,作者提出仅通过少量问题难以全面评估智能水平。参考美国国会图书馆主题标引(LCSH)的40万个主题领域,如果每个领域提出1万个问题,将需要40亿个问题来全面测试AGI。这种大规模测试虽然在逻辑上合理,但在实际操作中面临巨大挑战。
阿姆斯特丹大学研究团队开发出"缓存驾驶"技术,通过修改AI模型的键值缓存而非重新训练,让小型语言模型瞬间获得大模型的推理能力。该技术仅需一次调整就能让模型展现逐步推理行为,计算开销几乎为零,在多个推理基准测试中表现优异,还能实现推理风格迁移。