至顶网CIO与应用频道 04月19日 编译:企业是否真的需要首席人工智能官?在大多数行业,这个问题的答案可能是否定的。对于大多数企业而言,人工智能可能永远也不会上升到需要一位直接汇报给CEO的高管这样的战略高度。
即便如此,一些高科技公司可能仍然想要这么做。把人工智能专家提升到C级高管,虽然成本可能是相当高的,但如果这是企业赖以生存的能力,这也许会变成一个具有战略意义的必要条件。在那些“拿业务做赌注”的情况下,任命这样一位高管也许是有必要的:负责人工智能卓越中心、指导基于人工智能的业务计划、持续研究和开发以实现技术、并在业务线之间进行布道。
首批任命首席人工智能官的公司,可能是那些把他们的未来押注在颠覆性人工智能应用的科技公司。最近几周,我们看到有几家知名科技公司进行了重组,着眼于在他们的解决方案组合中提供复杂的、以人工智能驱动的产品能力:
- 苹果最近聘请前谷歌的人工智能和机器学习部门负责人John Giannandrea,来负责其跨产品人工智能战略。他将扮演相当于首席人工智能官的角色,是直接向苹果首席执行官Tim Cook汇报的16位高管之一。但是现在还不清楚他的优先任务或责任是什么,或者他负责的部门和预算的规模情况。他很可能会把重点放在加强苹果产品内嵌的人工智能的隐私保护上,尽管这不符合苹果在设备、在线服务或其他细分市场进行创新的战略愿景。
- 谷歌将成立一个新的业务部门,致力于在其产品组合中集成人工智能。这个部门将由谷歌大脑研究小组联合创始人Jeff Dean(如图)带领。从某种意义上说,Dean可能等同于首席人工智能官,基本上填补了Giannandrea最近离职后的战略空缺。不过,他是否直接向谷歌首席执行官Sundar Pichai汇报工作并没有任何说法。不管怎样,他并没有直接向母公司Alphabet首席执行官Larry Page汇报。
- 微软正在进一步摆脱将所有人工智能职责都整合到一个高管职位的想法。微软将人工智能工作分解到专注于研究、云平台、运行时间和开发平台、业务应用和混合现实等各个部门。目前的AI + Research部门将关键人工智能技术注入所有产品团队,该部门未来将继续由Harry Shum领导,而且他与微软首席法律官将共同领导微软的人工智能道德委员会。Scott Guthrie现有的云产品部门将增加多个人工智能平台,重点关注基础设施、运行时间、框架、工具,以及围绕感知、知识和认知的高级服务。Eric Boyd负责的人工智能认知服务和平台将推动微软的AI Platform、AI Fundamentals、Azure ML、AI Tools以及Cognitive Services。James Phillips带领的商业应用部门将增加客户服务、市场和营销洞察团队,专注于支持人工智能的解决方案。Alex Kipman带领下的全新AI Perception&Mixed Reality团队整合微软的所有言语、视觉、混合现实和其他感知能力。
考虑到目前人工智能技术作为技术差异点的情况,所以一个或者多个知名企业任命全能型AI高管只是时间的问题。Facebook虽然这不算是一家企业解决方案提供商,但可能已经在这么做了,把所有C级AI监管权都交给了首席研究员Yann LeCun。
然而,即使每家公司都任命一位C级AI高管,如果不构建深度学习、自然语言处理和其他关键能力的话,这就是无用之功。解决方案提供商可能更倾向于优先考虑自下而上的技能,来构建人工智能开发人员生态系统,而不是专注于自上而下的战略举措。
以下是最近在这方面的一些行业举措:
- 据报道,苹果正在招聘一批人工智能开发人员,以加强Siri数字助理的会话用户界面功能,不过他们可能会从更高级别的云基础设施角色中受益,从而构建所需的后端,与谷歌、微软、亚马逊和IBM等公司的人工智能产品展开竞争。
- 尽管亚马逊尚未进行任何与人工智能相关的重大重组,但其招聘的Alexa会话用户界面产品的人工智能开发人员数量是苹果Siri的4倍。
- 微软正在向公众开放自己内部的人工智能培训项目。这是也是微软展开更广泛的人工智能生态系统推广的一部分,其中就包括以开发人员为核心的AI School,提供在线视频和其他资料,以帮助开发人员积累人工智能方面的技能。此外,针对那些有抱负的人工智能开发人员,微软还提供了通用的教育工具,以及关于开发人员如何使用微软人工智能工具和服务的具体指导。
如果首席人工智能官开始从不断扩大的人工智能开发人员生态系统中涌现出来的话,那么很可能首先是来自于产品层面的,就像微软在其商业应用融入这种技术的方式一样。随着这些产品级的人工智能专家证明了其产品的工程,他们就有可能被提升为跨产品协调的角色,类似于Jeff Dean在谷歌的新角色,或者Giannandrea在苹果可能扮演的角色。
好文章,需要你的鼓励
AI正在革命性地改变心脏疾病治疗领域。从设计微创心脏瓣膜手术到预防原理定位,机器学习和神经网络的洞察力推动了巨大进步,甚至可以构建新型移植解剖结构。数字孪生技术为个性化心血管护理提供持续预测管理。哈佛干细胞研究所的研究人员利用纳米材料和类似棉花糖机的设备,能在10分钟内制造心脏瓣膜,相比传统3周制造时间大幅缩短。这些突破性技术为每年4万名先天性心脏畸形儿童带来新希望。
Fractal AI Research实验室开发了Fathom-DeepResearch智能搜索系统,该系统由两个4B参数模型组成,能够进行20多轮深度网络搜索并生成结构化报告。研究团队创新了DUETQA数据集、RAPO训练方法和认知行为奖励机制,解决了AI搜索中的浅层化、重复性和缺乏综合能力等问题,在多项基准测试中显著超越现有开源系统,为AI助手向专业研究工具转变奠定了基础。
谷歌正在为搭载其内置信息娱乐系统的汽车推出谷歌地图实时车道引导功能,首先从极星4开始。该系统利用车辆前置摄像头和AI技术,分析车道标线和路标,为驾驶者提供更精确的车道指引和视听提示。该功能将在未来几个月内在美国和瑞典的极星4车型上推出,目前仅支持高速公路使用。
快手科技与清华大学合作发现当前AI语言模型训练中存在严重的权重分配不平衡问题,提出了非对称重要性采样策略优化(ASPO)方法。该方法通过翻转正面样本的重要性权重,让模型把更多注意力放在需要改进的部分而非已经表现良好的部分,显著提升了数学推理和编程任务的性能,并改善了训练稳定性。