ZD至顶网CIO与应用频道 10月03日 编译:据Gartner称,随着设备、机器人、物与人的不断融合,企业组织需要掌握移动性的两个维度,CIO和IT领导者需要在主流移动性方面走在前沿,并为后应用时代做好准备。
“移动时代的未来将是可以在任何地方、由任何人或者任何物、向任何人或者任何物提供无所不在的服务。”Gartner副总裁、知名分析师David Willis表示。“用户在不断寻找新的用户体验,在交付服务中应用的重要性将逐渐降低,虚拟个人助理(VPA)和机器人的兴起,将取代如今由应用提供的部分功能。互动和服务交付的替代方法将兴起,代码将从传统移动设备转移向云中。”
移动性将变成“一项日常业务”
“移动性的格局在过去数年中发生了巨大的变化;对于大多数企业来说,移动性不再是一项新技术,而是一项日常业务,”Willis表示。Gartner预测,2016年出货23.7亿台设备(PC、平板电脑、超级移动设备、手机),同期将售出2.93亿台可穿戴设备。Gartner预测2017年将出货23.8亿台设备和3.42亿台可穿戴设备。
“移动设备的普及意味着手机、平板电脑、笔记本电脑和可穿戴设备现在已经在商业环境中无所不在,重新改写了人们的互动和工作方式,”Millis说。
如今,技术型用户变得很聪明很精明,他们要求有更好的功能和体验。传统“自带”(设备和应用)的形式将继续增长,让自带设备和自带应用成为大多数企业机构的常态。“而且,在工作场所中可穿戴设备和自带物品(例如智能水壶、智能电源插座或者智能灯泡)的到来,将引入新的交互技术和新的平台,减少对特定应用体验的需求。”
在移动领域的大部分创新都不是发生在智能手机本身中的,而是在与智能手机通信的设备中。Gartner预测,到2018年新移动应用中有25%将与物联网(IoT)设备进行通信。
这些物联网设备主要是通过应用或者浏览器与智能手机进行通信的。“到2018年,应用将成为首选机制,因为应用提供了更好的体验,可以实现更复杂的交互和数据分析,对网络和后台处理的需求较低,”Millis表示。
不过,目前应用的主导地位正在受到多个趋势的挑战,Gartner称之为“后应用时代”。“随着新技术作为控制和互动方式的重要性不断提高,应用接口将会黯然失色,”Millis说。
为后应用时代做好准备
与物互动的新方式将提供无所不在的服务,随着人工智能、自然语言处理、机器人等新兴技术整合到通讯应用中,这将为与用户无缝互动打开新的机会。
现在有很多全球厂商正在让企业和消费者能够在他们的通讯平台上与用户“聊天”,这样开发者就可以开发他们自己的机器人。这个理念让用户可以与其他通过聊天获得信息、回答问题,通过通信或者VPA达成交易。
“这意味着,用户可以向机器人提问,而不用登录系统填写各种复杂的表格,机器人会根据规则和系统内的知识代表我们回答问题或者讨价还价。然后它会转移到系统中,让营销人员或者销售与客户进行互动。”Millis表示。
“应用不会消失,代码也不会,”Millis补充说。“后应用时代意味着将会有越来越多的应用和代码是在云中而不是在设备上,这要归功于不断提高的蜂窝网络性能。”
Millis最后讲到,“后应用时代将是一直持续到2020年及以后的不断发展的过程。但是这个时代已经开始了,企业机构应该为此做好准备,变得敏捷和灵活,为新技能做好规划,评估后应用时代创造的新机会,制定整合了不同技术的数字业务。”
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。