Gartner一项新的调查显示,那些制定了AI技术计划的技术服务提供商中,有近三分之一的技术服务提供商将在未来两年内投入100万美金在AI上。对于那些把AI技术作为主要投资方向的受访者中,有87%的受访者认为,到2022年全行业对AI的投资将达到中高速增长。
Gartner管理副总裁Errol Rasit表示:“快速发展的、多样化的AI技术,将给所有行业带来影响。技术组织正在增加对AI的投资,因为他们认识到,AI不仅可以评估关键数据和提高业务效率,还可以创造新的产品和服务、扩大客户群并产生新收入,这些都是很谨慎的投资,可消除AI带来的泡沫。”
与云和物联网等其他新兴技术领域相比,AI技术获得的资金金额排名第二。据那些所在组织已经投资了AI的受访者称,他们在计算机视觉方面的投资是最高的,未来两年平均投资高达67.9万美元(见图 1)。
资料来源:Gartner(2021年9月)
“少数受访者称他们的AI技术投资额低于25万美元,这表明与其他技术创新相比,AI开发是成本密集型的。由于构建和训练AI模型是很复杂的,因此这是一个不容易进入的领域。”
AI采用和集成的障碍依然存在
这项调查还强调,AI与其他创新领域相比还是较不成熟的。只有超过半数的受访者表示,目标客户对他们的AI产品和服务的采用率较高。41%的受访者表示,AI新兴技术仍处于开发阶段或者早期采用阶段,这意味着随着新的或者升级的AI产品和服务进入普及阶段,未来将会出现一波潜在的采用高峰期。
那些投资了AI技术的组织成,技术的不成熟是他们集成新技术失败的首要原因。此外,一些投资了AI技术的产品负责人称,他们的AI实施进展要慢于预期水平,并且给产品带来的复杂性以及缺乏专业技能是他们面临的主要障碍。
Rasit说:“这些调查结果反映了整个AI技术开发周期中的艰难,因为AI技术很复杂,而且技术人员数量有限导致全行业面临AI人才招聘难题。”
好文章,需要你的鼓励
本文探讨了一种防范通用人工智能(AGI)和人工超级智能(ASI)存在性风险的方法:将它们置于计算机仿真世界中进行测试。虽然这种方法看似合理,但存在诸多挑战。AGI可能会隐藏恶意行为,或因被欺骗而转向恶意。此外,仿真环境可能无法完全模拟真实世界,导致测试结果不准确。构建高质量仿真系统的成本和技术难度也不容忽视。文章认为,仿真测试虽有价值,但并非万能解决方案。
这项研究关注语音中的句子强调(即说话时对特定词的重音),它能传达说话者的潜在意图。耶路撒冷希伯来大学的研究团队发现,尽管现代语音语言模型进步显著,它们在理解句子强调方面表现不佳。团队创建了StressTest基准测试和Stress-17k合成数据集,并开发了StresSLM模型,使强调理解能力大幅提升。研究表明,通过特定训练策略,可以让AI不仅理解"说了什么",还能理解"怎么说的",从而捕捉人类交流中的微妙含义。
尽管AI在围棋等复杂游戏中表现出色,但在简单的井字棋游戏中却屡屡失败。研究显示,AI代理在模拟商业环境中的表现同样令人失望,经常出现幻觉、欺骗和任务未完成等问题。游戏测试为评估AI能力提供了直观方式,帮助普通用户理解AI的真实水平。面对当前AI行业的过度宣传,通过游戏化测试揭示AI的实际局限性,对于防范AI泡沫具有重要意义。
ViStoryBench是一个全面的故事可视化评估基准,由StepFun团队打造,用于测试AI将文字故事转化为连贯图像序列的能力。它包含80个多样化故事和344个角色参考,评估包括角色一致性、提示遵循度等多个维度。研究测试了20多种方法,发现UNO在开源方法中表现最佳,而商业软件如豆包和GPT-4o在提示一致性方面表现突出。该基准为故事可视化研究提供了统一标准,推动这一领域的创新发展。