根据 IDC 的最新数据,生成式人工智能已成为各行各业里各类公司的优先工具,其中高达 40% 的公司有人工智能预算或相关项目,30% 的公司认为这项技术对业务具有颠覆性的影响。但这项技术仍处于早期阶段(ChatGPT 于 2022 年横空出世)。因此,大型企业在实施流程方面仍在接受考验。
西班牙航空公司数据和分析总监José Carlos Bermejo
西班牙的 Air Europa 航空公司就是一个很好的例子,尽管该公司长期以来对数据的重视令其在应用这项技术时抢占了先机。Air Europa 的数据和分析总监 José Carlos Bermejo 做了以下的解释,生成式人工智能初期之所以能带来效益很大程度上要归功于公司在数据战略上的成功实践和良好的业绩记录。例如,公司实施的分散模式就是个非常突出的例子。他表示,“这种模式赋予了业务部门从信息中快速自主地提取价值的能力,无需等待,没有依赖,也没有瓶颈。同时,这也使得我们能够进行适当的管理和监督,确保数据的质量和稳健性达到标准。”
但要实现这一切并不是按一下开关那么简单。为了达到预期的效果,Air Europa 必须在许多方面下工夫,例如最初对分散模式计划的支持、战略的定义、关键领域的参与、技术的战术性选择以及在业务部门和 IT 部门之间混合团队的创建。
一旦实施了连贯的计划,就可以看到效益并建立用例,例如实时销售监控平台、准时性分析或用户体验改进以及一长串新的功能等等。他表示,“我们如今在旗下的企业数据目录中管理着 300 多个商业智能应用程序和近 200 个数据集,每天有 750 多名独立用户访问这些应用程序和数据集,平均每天的会话次数超过 1200 次。这进一步强化了我们对自助服务和分散模式的坚定承诺。”
在生成式人工智能时代里
Bermejo 于 2003 年加入 Air Europa 航空公司,此后在 IT 部门担任过各种职务,2016 年依赖一直担任现在的职位。他当时的主要任务是启动和整固数据管理和使用方面的组织和文化变革,使其成为这家跨国公司不可或缺的资产。
但随着创新步伐的加快,Bermejo 发现,考虑到 Air Europa 的数据战略,人工智能正迅速成为该公司必须利用的一项技术,因此他和他的团队启动了一项企业计划,目的是实施适应工作场所的生成式人工智能解决方案。他表示,他们当时打算通过这项计划让大部分员工都能使用先进工具优化他们的日常工作。
他称,“我们将以循序渐进的方式开展这项工作,让组织内部的关键人员参与进来,负责向各自部门的其他用户宣传及指导其他用户使用这些技术,并始终以使用案例为依托。”他们还在开发其他重要项目,例如将集成到呼叫中心和在线渠道中的新虚拟助理以及其他侧重于内容创作、航空代码和术语解释以及个性化行程和体验等项目。
Bermejo 指出,所有这些都以安全、道德、透明和高效的方式进行实施。他表示,“因此,我们必须进一步通过不同的关键绩效指标来监控其使用情况。”
成熟与文化变革
为了探索新技术的不同应用场景,有必要改变企业的心态。Bermejo 表示,“如今,没有人质疑数据已成为竞争力、创新和创造价值的重要资源。然而,并非所有企业和公共管理部门都能适应这一新的现实。不同行业和组织的战略成熟度存在很大差异。有些已经选择了数字化转型,并将数据视为关键资产,将其融入到企业文化、流程和服务中。而另一些则仍处于起步阶段,或者尚未有明确的愿景。”
但除了技术变革之外,在整个过程中最大的挑战是文化变革本身。Air Europa 在这方面的计划基于几个支柱,从建立愿景和组织模式到创建培训和人才管理计划等等,包括吸引、培训和留住合适的专业人员进行数据的管理和分析。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
KAIST研究团队开发出RL-ZVP方法,首次让AI从训练中的"无用数据"学习。传统方法遇到全对或全错答案时会停止学习,但RL-ZVP通过分析词汇重要性给予精确反馈。在数学推理测试中,该方法比现有技术提升高达8.6个准确率点,且训练过程更稳定。这项突破重新定义了AI训练范式,证明了被忽视的训练数据实际蕴含巨大学习潜力。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
中国传媒大学团队发现,通过巧妙设计"视觉句子"框架,一个预训练的视频生成模型经过轻量级调整后能够统一处理多种视觉任务,包括图像生成、深度预测、物体分割等。该方法无需大量任务特定数据,每个任务仅用20个样本就能实现良好效果,展现了从专用AI向通用AI转变的可能性。