这一年都干了什么?我的高龄、快速变化的技术和业务,让我觉得在2016年好像少过了几个月。 我不记得3月或9月干了些什么,但毫无疑问我们在那两个月完成了些工作。事实上,过去一年,我们完成了很多工作。 但是,我们做得足够了吗?我们做的正确吗? 随着2016年的离去,2017年的到来,我们必须反思过去一年中学习到的IT教训,并为2017年的计划做好准备。以下是我的计划:
• 我和我的团队要关注最重要的项目:我们同时兼顾的工作太多了。为了确保我们完成所有的任务,我们最终在重要的工作上反而没有足够投入。在2016年的高峰时期,我们有将近70个“A”优先级项目。这很疯狂。
为了完成这些“A”项目,配备人员时,我人手不够。比如,我团队中有2名工程师正在完成最新的移动应用项目,但是,有一个遗留移动项目发生问题,这两名工程师可能需要放下现有的工作,而去解决遗留应用的问题。这就会造成“A”移动应用项目的推迟。 相反,在2017年,我依然保留这些“A”项目,但是分成不同的工作批次。第一批次是首要项目,优先完成。
第二批次,我们完成次要的“A”项目。这样,新的移动应用就可以分配一个有3到4名工程师的团队,而不是只有2名,如果遗留应用发生问题,新应用项目的工作仍然可以继续。当然,肯定会有一些“人月神话”计算需要完成,但是我喜欢既有紧迫感,同时又有关注焦点,而不会把人员分配地过于分散。我决心将“A”项目分成不同批次。
• 改变领导方式,让自己变得更有影响力:2016年,我开始考虑职位权威和影响力权威之间的区别。因为我在企业中的职位,所以我拥有权力。
但是,在数字化转型中,我需要的权利不再只限于我的职位——我需要影响整个企业的思考和运营。
因此,我需要提高表达更可信的愿景的能力,通过说服和劝说提供令人信服的业务案例,从而获得有更高的信誉。我需要花更多的时间理解企业的动态和市场,这样我才能知道,技术会何时何地以及如何带来重大影响。
我需要走出我的办公室,和团队以外的人员建立强大的连接。我决心发挥影响力权威。
• 尝试一个我认为将在未来两到三年内取得成功的早期技术:在过去几年中,我曾经嘲笑过比特币。那些比特币拥护者相信比特币将会改变一切,而我持怀疑态度。但是,比特币中隐藏了一些有意义的技术——区块链。
2017年,我想学习更多关于区块链的知识,思考我能够如何使用它。区块链能解决我的一些信息安全/数据隐私的需求吗?区块链可以简化账户管理吗?我不确定,但我的直觉是,我应该展开一些研究。你的有价值的实验可能不是区块链,有可能是其他一些新兴技术,值得你的关注。我决心尝试区块链。
• 休更多的假:今年,我有很多病假和休假都浪费了。这是非常忙碌的一年,我很有压力。我有一个伟大的团队。我们的流程很稳固。我不应该认为自己太过重要,没有我,一切都会崩溃,我需要休假,并理清我的思绪。 我相信每个人都有自己的2016 IT教训,这些教训可以适用于2017。我对于来年的建议是,关注那些真正重要的项目。这将增加你的成功可能性。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。