作为英南非国际银行和财富管理集团Investec的首席信息官,Shabhana Thaver对待技术趋势有一套多用途的方法。一方面,技术方面有基础力量,保护现有业务,包括人才、信息安全和现代化。另一方面,技术是推动业务增长的先锋力量,包括信息、交互和计算。每个人都需要与对方合作才能达到预期的结果。
现代CIO们必须找到一种平衡新旧技术的方法,在优先考虑基础知识的同时,拥抱创新技术,这意味着要确保打下了恰当的基础,以保持业务尽可能顺利地运行。她说:“技术人员总是追求闪亮的新玩意,但重要的是要强调实验和创新之间是有区别的,并在业务中要实际去实施一些东西。”要做到这一点,就需要跟上新技术的发展步伐,并以开放的态度探索和尝试新事物,同时还要记住,技术是不能孤立地发挥作用的。当她做决策的时候,她会考虑如何通过评估新技术的风险来保护现有业务,这一点很重要,因为这样业务才能与时俱进并且得到不断发展。“这听起来很容易,但这些都是艰难的决定。”
高科技赋能“高接触”
Thaver表示,天达集团凭借高接触和高科技脱颖而出。为了实现这一目标,她和她的团队围绕他们的资产构建了一个API结构,使他们能够以高度安全的方式将业务暴露给市场。
Thaver将其描述为“安全的开放式银行业务”,这种API框架让银行的企业和私人业务客户能够更轻松地与银行建立联系。她说:“我们的交易型银行客户可以通过这些API实时连接,使他们能够访问交易、进行ERP集成、或是直接向我们进行批量付款,这让我们提高了运营效率并帮助他们降低了成本,这是一个巨大的胜利,因为每个人都希望降低成本。”她说,由于该解决方案涉及到外部利益相关者,所以这个想法最初是源自于内部业务和技术之间的对话,但为了使其成为现实,他们必须与业务领导者坐下来,然后与客户坐下来讨论可能性,以及过程中的潜在阻碍。
天达银行希望使用API来改变开发人员社区体验,让他们更轻松一些。据Thaver称,这就是他们推出可编程卡背后的推动之一。天达发行了一张具有通用交易功能的卡,但因为他们用API封装这种卡,所以他们为开发者社区提供了个性化卡并对其进行编程,以执行他们想要的任何操作,例如,如果有人想要跟踪他们的每月预算,他们可以使用API来分析消费习惯。开发人员甚至可以为特定商店设置具有特定支出限额的卡。Thaver说:“从开发人员体验的角度来看,这给我们带来了巨大的好处,因为我们可能是唯一拥有银行专业人士或开发人员开发可编程卡API社区的组织。”现在,他们正在尝试创建一个低代码环境,以便任何人(不仅仅是开发人员)都可以从这种可编程功能中受益。
她说:“所有这些证明了业务的未来发展方向,如果天达银行要与另一家企业合并或收购一家企业,我们希望加快步伐,把我们的资产封装在API中,让我们能够获得所有系统的综合视图,并无缝集成和接入到其他系统中。”
优先考虑可扩展性
就像行业中的其他公司一样,天达银行也需要扩大规模,他们选择使用云。Thaver说:“但是,如果我们只是进行升级,那么云将无法提供企业所期望的成本效率。所以,我们必须首先进行现代化改造,然后将较小的部分迁移到云中,这样我们才能享受到我们想要的成本效益。”
对于Thaver来说,拥有一种可租赁和组装的技术状态是非常重要的,这意味着一切需要以较小的分期付款方式进行,以便在技术变革时能够更快地移除和更换。她说:“目前,我们的情况非常复杂,因为我们拥有分布不均匀的单一系统。”她指出,通过消除这些系统,他们现在可以提供业务增长所需的规模,从而有助于银行跟上技术变革的快速步伐。
“当你提出能够推动业务增长但与企业想法完全不同的技术解决方案时,确保你得到企业的认可和支持是非常重要的,如果做不到的话,你就不会取得成功。”
好文章,需要你的鼓励
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
麻省理工学院研究团队发现大语言模型"幻觉"现象的新根源:注意力机制存在固有缺陷。研究通过理论分析和实验证明,即使在理想条件下,注意力机制在处理多步推理任务时也会出现系统性错误。这一发现挑战了仅通过扩大模型规模就能解决所有问题的观点,为未来AI架构发展指明新方向,提醒用户在复杂推理任务中谨慎使用AI工具。
Meta为Facebook和Instagram推出全新AI翻译工具,可实时将用户生成内容转换为其他语言。该功能在2024年Meta Connect大会上宣布,旨在打破语言壁垒,让视频和短视频内容触达更广泛的国际受众。目前支持英语和西班牙语互译,后续将增加更多语言。创作者还可使用AI唇形同步功能,创造无缝的口型匹配效果,并可通过创作者控制面板随时关闭该功能。
中科院自动化所等机构联合发布MM-RLHF研究,构建了史上最大的多模态AI对齐数据集,包含12万个精细人工标注样本。研究提出批评式奖励模型和动态奖励缩放算法,显著提升多模态AI的安全性和对话能力,为构建真正符合人类价值观的AI系统提供了突破性解决方案。