至顶网CIO与应用频道 02月20日 编译:根据Gartner的调查结果,有意义的人工智能(AI)部署才刚刚开始。Gartner的“2018年CIO议程调查”显示,4%的CIO实施了人工智能,另有46%的人制定了相关计划。
Gartner研究副总裁、杰出分析师Whit Andrews表示:“尽管企业对人工智能技术有着巨大的兴趣,但目前的实施仍处于相当低的水平。随着CIO们开始通过购买、构建和外包等方式来试水人工智能项目,可能会有强劲的增长。”
与大多数新兴或不熟悉的技术一样,早期采用者在其企业组织中部署人工智能仍然面临许多障碍。 Gartner分析师明确了这些早期人工智能项目中出现的以下四个教训:
1、从小范围小目标开始
Andrews表示:“在人工智能项目方面,不要陷入主要寻求硬性结果的陷阱,如直接财务收益。总的来说,最好是启动一个小范围的人工智能项目,并以‘软’结果为目标,如流程改进、客户满意度或财务基准。”
预计人工智能项目会产生一些经验教训,这些经验教训将有助于后续更大规模的实验、试点和实施。在一些企业组织中,启动人工智能项目是以财务目标为要求的。“在这种情况下,尽可能降低目标。想想成千上万美元的目标,了解你想要在小范围内完成的事情,然后才能获得更大的收益。”
2、关注于增加人力、而不是替代人力
重大的技术进步通常与减少员工人数有关。虽然降低劳动力成本对企业管理人员具有吸引力,但那些工作面临风险的人会产生抵触情绪。在追求这种思维方式的时候,企业组织可能错失真正有效利用技术的机会。Andrews补充道:“我们建议我们的客户,近期人工智能最具转型性的好处,将来自于使用人工智能帮助员工追求更高价值的活动。”
Gartner预测,到2020年将有20%的企业组织将有专门的员工监测和指导神经网络。
Andrews表示:“先不说无数可重复的‘智能代理’组成庞能够像人类一样执行任务的团队,就是在与前线员工沟通方面效率也远远高出不少。让员工兴奋起来,让他们接受以人工智能为支撑的决策能够加强和提升他们每天所做工作的这一想法。”
3、为知识转移做规划
大多数企业组织没有准备好实施人工智能。具体而言,他们缺乏数据科学的内部技能,并计划主要依靠外部提供商来弥补差距。在这项CIO调查中,有53%的企业组织将自己在挖掘和利用数据方面的能力评为“有限”——也就是最低水平。
Gartner预测,到2022年,由于数据、算法或负责管理数据和算法的团队中存在的偏见,有85%的人工智能项目将会带来错误的结果。
Gartner研究副总裁Jim Hare说:“数据是人工智能的燃料,因此企业组织需要现在就开始为人工智能项目的大量数据存储和管理做好准备。主要依靠外部供应商的技能并不是一个理想的长期解决方案。因此,要确保早期人工智能项目可以将外部专家的知识传授给内部员工,并在发展到大规模项目之前构建好你自己内部的人工智能能力。”
4、选择透明的人工智能解决方案
人工智能项目通常涉及来自外部服务提供商的软件或系统。任何服务协议中都应该包含关于如何达成决策的见解,这一点很重要。Andrews表示:“人工智能系统能否产生正确的答案并不是唯一的担忧。管理者需要理解为什么这些结果是有效的,如果不是有效的,要深入了解其中的原因。”
尽管要解释深度神经网络等高级分析模型的所有细节并不总是可能的,但至少要提供某种潜在选择的可视化,这一点很重要。事实上,在决策受制于监管和审计的情况下,提供这种透明度可能是一项法律上的要求。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。