美国专利商标局(USPTO)于10月27日发布的一份新报告显示,在2018年所有新的技术发明中,有42%的发明涉及到了人工智能。
这些发明大部分都来自于知识处理和计划/控制领域,即分析信息以获取新见解以及利用这些见解来管理业务流程。
首席信息官们仍然在谈论人工智能技术的重要性,但是这份新的报告则表明,如果企业还没有将这些言谈付诸实践,他们就将落后于潮流。因为这些统计数据只到2018年的年底,所以对于那些还没有开始采用这种技术的公司来说,落后的风险只会比报告里显示的更大。毫无疑问,在过去的18个月中,包括人工智能在内的技术的使用率一直在增加。
这份报告还证实企业高层对这种技术的兴趣正在增长,而且也更愿意考虑包含这些技术的新应用。该领域之内绝大部分的发明都可以被视为软件,一直到最近,申请人都很难获得这类创新的专利。可是,情况似乎已经发生了改变。
在这份报告中,美国专利商标局(USPTO)定义了八种组成人工智能技术的组件技术。首席信息官们应仔细研究其中的每一项,并决定如何将它们纳入现有或未来工作流程之中。下面列出的六个领域对于首席信息官们来说至关重要,他们应该对这些领域认真考虑。这些领域是按照美国人工智能专利申请数量从高到低的顺序排列的:
1.规划/控制——这类技术涵盖了工作流分析和检测可能发生的问题的方法。这个领域的例子是通过视觉、声音或者其他环境条件在生产工厂里检测潜在问题,然后用一个专家系统来识别并解决出现的问题。涉及到供应链优化的企业应该对这种人工智能的形式特别感兴趣,因为它们可以提高其系统的效率。
2.知识处理——这可能是首席信息官们在考虑使用人工智能技术时首先想到的事情,这个领域的例子通常是大数据的概念和数据科学学科。该技术涉及大量数据的分析,以获取可用于自动化系统的见解。该技术的实际用途包括大型银行或保险系统中用于自动检测的欺诈或会计错误的软件。使用计算方法来帮助实现大型数据收集的组织需要使用此技术进一步使其系统自动化。
3.人工智能硬件——《福布斯》杂志上最近的一篇文章就涉及了这个主题。尽管绝大多数的首席信息官们所服务的企业并不创建人工智能硬件,但是他们在考虑资本计算预算的时候,肯定会考虑到这方面的问题。
4.视觉——目前,受到这类技术影响最大的是医学领域,在这个领域中,图像处理技术可以帮助诊断并发现异常。该技术还可以被用于实现供应链优化,以保障装配和包装生产线的质量控制。
5.机器学习——这是另一个广为人知的名词,也是一个引起了人们极大兴趣的领域。它与知识处理存在着一些重叠,但是美国专利商标局(USPTO)将机器学习定义为可以从数据中学习的计算模型,这是很宽泛的一类模型。所有的技术公司都应该研究机器学习的方法,以提高其数据分析的能力并且提升其从数据中获取见解的能力。
6.语音——在语音识别方面,人们会想到Alexa、Cortana和Siri。尽管如此,该领域的人工智能还经常被用于自动响应系统中,该系统可帮助将客户转接到适当的客户代表那里,以帮助他们解决可能遇到了的问题。它还可以被用于帮助了解呼叫者的脾性,并为客户代表提供建议,帮助他们更好地位客户解决问题。
进化计算和自然语言处理是这八大技术领域的基础,这是当前技术进步的基础,但是对于首席信息官们和基于技术的组织来说,现在已经对这些基础没多大兴趣了。
通过了解这些技术组件的列表,首席信息官们可以看到很多领域,这些领域可能会因为将人工智能技术纳入到企业的标准操作程序之中而为企业带来竞争优势。考虑到专利授予率已经出现了上升,现在就是为人工智能创新寻求专利保护的最佳时机。首席信息官们需要继续考虑人工智能组件技术,并与他们的团队合作,以确保在公司中实施它们。
好文章,需要你的鼓励
施耐德电气以“新质服务+产业向‘新’行”为主题,第六次参会,展示全新升级的“新质服务体系”,围绕创新驱动、生态协同和行业赋能三大核心领域,以全新升级的“新质服务体系”,助力中国产业向高端化、智能化、绿色化迈进。
香港中文大学联合上海AI实验室推出Dispider系统,首次实现AI视频"边看边聊"能力。通过创新的三分式架构设计,将感知、决策、反应功能独立分离,让AI能像人类一样在观看视频过程中进行实时交流,在StreamingBench测试中显著超越现有系统,为教育、娱乐、医疗、安防等领域的视频AI应用开启新可能。
甲骨文正在成为大规模基础设施供应商的可靠选择。该公司通过AI技术推动应用开发,构建GenAI模型并将智能代理集成到应用套件中。CEO萨弗拉·卡茨透露,公司剩余履约义务达4553亿美元,同比增长4.6倍,并预测OCI收入将从2026财年的180亿美元增长至2030财年的1440亿美元。甲骨文正积极布局AI推理市场,凭借其作为全球最大企业私有数据托管方的优势地位,有望在云计算领域实现重大突破。
Atla公司发布Selene Mini,这是一个仅有80亿参数的AI评估模型,却在11个基准测试中全面超越GPT-4o-mini。通过精心的数据筛选和创新训练策略,该模型不仅能准确评判文本质量,还能在医疗、金融等专业领域表现出色。研究团队将模型完全开源,为AI评估技术的普及和发展做出贡献。