在近期举办的2024大中华区高管交流大会上,Gartner发布了中国人工智能(AI)调研。Garter预测,到2027年,中国制造业的AI使用渗透率将以10%的年复合增长率上升。
“中国制造2025”计划将成功实施AI用例作为衡量智能制造成熟度的关键指标。中国的制造业覆盖广泛且运营流程复杂,在全球占据着显著地位。因此,其产生的庞大数据集推动着制造业的优化和智能化,这是实施AI不可或缺的原料资源。
Gartner研究总监龚慧巍表示:“中国制造业的运营产生了大量数据,而且数据已被视为是对AI最有价值的资产,中国有望成为AI算法开发、建模和成功实施用例的沃土。”
AI用例流程图介绍了制造业首席信息官(CIO)在对企业机构的AI用例进行定义、优先级排序和验证时应采取的步骤(见图1)。
图1:AI用例流程图
与IT和业务利益相关者共同定义用例
Gartner的制造业GenAI用例棱镜(见图2)根据价值和可行性,绘制了制造业中21个极具前景的GenAI用例。制造业和交通运输业的CIO可以借此启动战略对话,指导这一技术的投资决策。
图2:制造业GenAI用例棱镜
根据利益相关者工作重点进行用例优先级排序
根据用例对实现业务目标的作用、底层技术的成熟度以及企业的数字化成熟度,对路线图的用例进行优先级排序。为此,CIO应查看企业的制造运营数字化路线图、AI人才、能力鉴定和技术投资计划。
龚慧巍表示:“定义、建立和部署一个用于制造业的AI路线图是一项复杂的工作,需要项目倡导者和利益相关者之间的通力合作。”
验证AI用例的可行性和最终用户接受度
2022年Gartner中国AI调研中受访的AI领导者表示,“削减成本和合理分配资源”是行业引入AI的主要目标(见图3)。以资产为中心的制造业是最为重视成本削减的行业。
图3:引入AI的主要目标——按行业划分
龚慧巍表示:“预测性维护是制造企业的重要课题,因其可以维持高可用性,避免意外停机。对部分企业而言,这可以增加营收和利润。”
好文章,需要你的鼓励
这项由清华大学与NVIDIA合作的研究提出了"负例感知微调"(NFT)算法,挑战了"自我提升仅适用于强化学习"的传统观念。通过构建隐式负面策略处理错误答案,NFT在数学推理任务上匹配甚至超越了顶尖强化学习算法的表现。研究不仅证明了监督学习与强化学习在特定条件下的等价性,还展示了如何利用负面反馈显著提升大语言模型的数学能力,为AI训练方法论开辟了新视角。
这项研究提出了一种名为混合推理策略优化(HRPO)的新方法,通过强化学习使大型语言模型能够结合离散标记和连续隐藏表示进行推理。HRPO设计了创新的门控机制,初始时以标记嵌入为主,逐渐增加隐藏状态的比例,并通过强化学习优化这一混合策略。实验表明,HRPO在知识和推理任务上显著优于现有方法,甚至使小型模型达到大型模型的性能,同时展现出跨语言推理等有趣特性。
这项研究介绍了REARANK,一种基于大语言模型的创新列表式推理重排序助手。通过强化学习技术,该模型在排序前先进行明确推理,显著提升了排序性能和可解释性。仅使用179个标注样本训练的REARANK-7B在多个信息检索基准测试中表现卓越,甚至在推理密集型任务上超越了GPT-4。研究证明了结合推理能力与高效排序策略的重要性,为构建更智能的信息检索系统提供了新思路。
"当我看到梵高的每一笔中都有他的痛苦时,才明白我们看的不是作品,而是作者的人生。AI正以惊人的速度接近人类水平通用智能,让Google从'伦敦那帮疯子在搞AGI'转变为全公司共识。DeepMind让AI'合理地幻觉'来创造突破,就像Astra技术让用户第一次惊呼'AI能做到比想象更多'——这不仅是技术革命,更是重新定义创造力的开始。"