过去一年,生成式人工智能(GenAI)的采用率呈爆炸式增长。2023年Gartner企业机构AI调研发现,GenAI是受访企业部署最广泛的AI技术之一。企业机构在多个业务部门的多种用例中部署了GenAI。尽管这一快速部署前景广阔,但也带来了由于过度聚焦于GenAI而导致AI领域其他应用被忽视的风险。而实际上,GenAI仅占AI版图的一小部分。与此同时,GenAI也不是万灵丹,对于大多数AI用例来说,往往并不适用。此外,许多业务问题需要结合使用不同的AI技术来解决。
因此,企业IT领导者应当充分评估GenAI是否适用于企业用例、何时应考虑其他AI技术,以及何时应将其他AI技术与GenAI结合使用。
评估GenAI是否适用于企业用例
是否应使用GenAI模型,需要具体情况具体分析。无论考虑使用哪种AI技术,第一步都要确定用例本身具备的价值和可行性。目前,GenAI模型并不适合单独用于预测和预报、规划和优化、决策智能和自治系统等类别中的用例。GenAI可能不适合企业用例的更主要的原因是,GenAI带来的风险是不可接受的,并且无法有效缓解。GenAI的特定风险包括输出不可靠、数据隐私、知识产权、责任、网络安全和监管合规。每个用例都需要考虑这些因素。
IT领导者可以在使用Gartner的AI棱镜等优先级排序工具对用例进行优先级排序后,将这些用例与图1中的相关用例类别相对应,对每个类别可使用的GenAI模型目前的实用性进行评级。
图1:用例类别与生成式模型的相对实用性
考虑可替代GenAI的其他AI技术
现有和成熟AI技术的注意力被GenAI分散;而实际上,其他AI技术或技术组合,可能才最适合用于支持特定用例。
企业IT领导者可以使用图2判断企业用例的相关类别,并且了解当前最适用于此类用例的替代AI技术。图2介绍了一些应用最为广泛的AI技术(包括非生成式机器学习、优化、模拟、基于规则的系统和图谱等),就给定用例中用作主要技术的各种AI替代方案的潜在实用性提供了指导意见。
图2:AI技术热图
对于许多用例来说,这些替代技术比GenAI模型更有效、更可靠、更易于理解。对于特定用例来说,考虑可解释性、性能和可靠性方面的需要十分重要。GenAI模型往往比其他技术更不可靠、更难以解释。一开始先尝试使用更简单的替代AI技术可能是个好主意,因为风险和成本更低,且更容易理解。
结合使用GenAI模型与其他AI技术
AI技术并非互不兼容;这些技术往往可以结合使用,构成更为强大的整体系统。一方面,与更稳定可靠的技术相结合,有助于应对GenAI模型的一些局限性——缺乏鲁棒性、信息不准确和产生幻觉等。另一方面,GenAI模型可以成为成熟技术的额外补充。GenAI模型发挥作用的普遍方式是作为与其他AI/软件系统的自然语言接口。与此类似,GenAI可用于开发之后可在非生成式机器学习模型中使用的功能。
AI技术的潜在组合方式不胜枚举。能够结合使用合适AI技术的企业具有独特优势,可构建更精确、更透明、性能更好的AI系统,同时还能降低成本和减少对数据的需求。
好文章,需要你的鼓励
Amazon旗下秘密研发机构Lab126新成立团队,专注在机器人上嵌入自主代理AI,实现通过自然语言完成复杂任务,从而提升仓储物流与配送效率,同时开发高精度地图技术。
这项研究介绍了一种新型多模态扩散模型,能够同时生成量子电路的离散结构和连续参数。由因斯布鲁克大学和NVIDIA公司研究人员开发,该模型利用两个独立但协同工作的扩散过程处理门类型选择和参数预测,克服了传统量子电路编译方法的效率瓶颈。研究证明了该模型在不同量子比特数量、电路深度和参数化门比例下的有效性,并通过快速电路生成创建了数据集,从中提取出有价值的结构见解,为量子电路合成提供了新方向。
SenseFlow是香港科技大学等机构联合开发的文本到图像蒸馏技术,解决了大型流匹配模型蒸馏的三大难题。研究团队提出隐式分布对齐(IDA)稳定训练过程,段内引导(ISG)优化时间步重要性分配,并设计基于视觉基础模型的判别器提升生成质量。实验表明,SenseFlow能将SD 3.5和FLUX等12B参数级模型成功蒸馏为仅需4步生成的高效版本,同时保持甚至超越原模型在多项指标上的表现,代表了AI图像生成效率提升的重要突破。