至顶网CIO与应用频道 04月28日 北京消息:根据全球领先的信息技术研究与顾问公司Gartner的预测,人工智能(AI)产生的全球商业价值预计将在2018年达到1.2万亿美元,比2017年增长70%。此外,Gartner预计到2022年,人工智能衍生的商业价值将达到3.9万亿美元。
针对由人工智能带来的商业价值预测,Gartner评估了其所覆盖的全部垂直领域的总商业价值。人工智能衍生的商业价值有三种不同来源:客户体验(customer experience)、新增收入(new revenue)以及成本降低(cost reduction)。
Ÿ 客户体验:对间接成本产生正面或负面影响。就广泛应用人工智能技术并充分发挥其潜能及实现价值而言,客户体验是必要的先决条件。
Ÿ 成本降低:降低生产和交付这些新产品或现有产品与服务所需的成本。
Ÿ 新增收入:增加现有产品与服务的销售额,以及/或者创造当前没有的新产品或服务机会。
Gartner研究副总裁John-David Lovelock表示:“鉴于其在计算能力、体量、速度、数据多样性以及深度神经网络技术(DNNs)领域的超乎寻常的进步,未来10年人工智能将成为最具颠覆性级别的技术。从2017年到2022年,企业获得的由人工智能技术支持的产品与服务中,最大来源将是满足某个需求的细分市场解决方案。企业高管将推动对这些来自数千家专注于特定人工智能技术支持的应用程序专业供应商的产品进行投资。”
人工智能商业价值增长呈现出与新兴技术相关的典型“S”形曲线模式。2018年的商业价值增长率预计为70%,但从现在直至2022年的增长速度都将逐渐放缓(见表一)。2020年以后,曲线将趋于平缓,之后几年增长率较低。
表一、全球人工智能衍生的商业价值预测(单位:十亿美元)
2017 |
2018 |
2019 |
2020 |
2021 |
2022 |
|
商业价值 |
692 |
1,175 |
1,901 |
2,649 |
3,346 |
3,923 |
涨幅(%) |
70 |
62 |
39 |
26 |
17 |
来源:Gartner(2018年4月)
Lovelock先生指出:“由于企业机构均认为在改善客户互动、增加及留住客户方面,人工智能技术存在很大价值,因此在人工智能发展早期,客户体验(CX)是人工智能衍生商业价值的主要来源。此外,企业机构能够利用人工智能技术来提高决策流程的效率并自动执行更多任务,因此紧随客户体验之后的商业价值来源就是成本降低。然而,随着企业逐步发掘出人工智能在增加现有产品和服务销售额、发现新产品与服务机会方面的商业价值,到2021年,新增收入将成为人工智能衍生商业价值的主要来源。因此,从长远来看,人工智能的商业价值将主要在新增收入方面。”
决策支持/增强(如深度神经网络)将占2018年全球人工智能衍生商业价值的36%,超越人工智能技术支持的基本类型产品所衍生的全球商业价值。到2022年,决策支持/增强将超越其它全部类型的人工智能项目,占全球人工智能衍生商业价值的44%。
Lovelock先生认为:“深度神经网络帮助企业机构对数量庞大且不易进行量化或分类的数据库进行数据挖掘,同时也是模式识别、创建对复杂输入进行分类且能够支持传统编程系统的工具。如此一来,决策支持/增强算法就可以直接处理以前需要人类分类员才能处理的信息。这些直接处理信息的能力对企业机构实现决策和互动过程自动化的能力会产生巨大影响。这种新型自动化水平提升不仅能够降低成本与风险,还能通过更好的微定位(microtargeting)、细分(segmentation)、市场营销(marketing)和销售(selling)来增加收入。”
通过替代呼叫中心、帮助台和其它服务人员执行简单请求与任务,而将比较复杂的问题交给人类工作人员去处理,虚拟代理(virtual agents)能帮助企业机构降低人力成本。通过成为金融服务行业的机器顾问(roboadvisor)或客户服务中心的销售,虚拟代理还能够增加公司收入。作为虚拟员工助理(virtual employee assistants),虚拟代理可以承担日程安排、时间规划以及其它行政任务,从而让人类员工能够有时间从事更高附加价值的工作,并减少对人类助理的需求。代理业务在2018年将占全球人工智能衍生商业价值的46%。而随着人工智能其它类型的产品与服务逐渐成熟,2022年代理业务的占比将下降至26%。
决策自动化系统(decision automation systems)可以使用人工智能来自动化任务或优化业务流程。在将语音转换为文本或反过来将文本转换为语音、识别与处理手写内容或图像以及对常规系统无法访问的其它丰富材料内容进行分类等方面,人工智能尤其有用。由于非结构化数据(unstructured data)和模糊性(ambiguity)是企业数据的常见特征,决策自动化在其不断成熟的过程中将为企业机构带来巨大的商业价值。目前,决策自动化仅占2018年全球人工智能衍生商业价值的2%,但到2022年将增长至16%。
2018年,智能产品占全球人工智能衍生商业价值的18%,但随着其它深度神经网络技术支持的系统类型逐渐成熟并超过智能产品在商业价值中的占比,到2022年,智能产品占比将缩减至14%。智能产品通常以云系统的形式使用人工智能技术。云系统可以收集来自多个系统和互动的用户偏好数据,了解用户及其偏好,实现更佳的个性化用户体验并推动用户参与。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。