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
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。