根据Gartner《2022年人工智能技术成熟度曲线》报告,尽早采用复合型人工智能(AI)、决策智能等AI技术将给企业机构带来明显的竞争优势,缓解AI模型脆弱性引发的问题,有助于捕捉业务背景信息,推动价值实现。
已进入生产成熟期的技术,其实际效益已得到证明和认可。随着越来越多的企业机构认为风险已下降至可接受程度,AI技术的采用开始进入快速增长阶段(见图一)。
AI一直是企业、政府和社会讨论的热门话题,企业机构很难分辨哪些AI技术具有真正的业务价值。数据和分析(D&A)领导者需制定具有前瞻性的AI战略,并充分利用当前可产生重大影响的技术。
图一、2022年人工智能技术成熟度曲线
来源:Gartner(2022年7月)
合成数据
当今AI发展所面临的主要问题之一是,为有效训练AI模型而获取真实数据并进行标记,会给企业机构带来沉重的负担。此举不但耗时,而且费用高昂,但这一问题可通过合成数据来弥补。另外,合成数据在去除个人身份信息(PII)方面也有至关重要的作用。
因果人工智能
人工智能的最终价值在于提高人类的行动水平。机器学习(ML)方法根据统计关系(相关性)进行预测,无论这些关系是否构成因果关系。当需要更规范地确定哪些最佳行动可促成特定结果时,因果人工智能可发挥至关重要的作用。该方法能够提高人工智能技术的自主性、可解释性、稳健性和效率。
决策智能
决策智能是一种实用的技术,旨在准确理解决策流程以及如何根据反馈来评估、管理和改进结果,从而提高决策水平。当前,随着人工智能技术在决策中的应用日益广泛,自动决策和增强智能受到热议,这一趋势正在将决策智能推向期望膨胀期。近期的危机揭示了业务流程的脆弱性,而在企业机构重构业务流程并增强韧性、适应性和灵活性的过程中,决策智能方法和技术将发挥重要作用。依托多种软件技术的决策智能市场正快速兴起,已开始为决策者提供解决方案。
复合型人工智能
复合型人工智能产生的前提在于,任何一种人工智能方法都不能解决所有问题。目前,复合型人工智能将“连接主义”派别的方法(如机器学习)与“符号主义”等派别的方法(如基于规则的推理、图分析、基于主体的建模和优化技术等)相结合,旨在减少人工智能解决方案学习时所需的数据和能量,使抽象化机制发挥更大作用。复合型人工智能是推动决策智能市场兴起的核心因素。
生成式人工智能
目前对生成式人工智能方法的探索正在升温,并且开始在生命科学、医疗、制造、材料科学、媒体、娱乐、汽车、航空航天、国防以及能源行业证明自身的价值。生成式人工智能已催生了营销、设计、建筑和内容领域的创造性工作。技术生成的合成数据可以提高人工智能交付的准确性和速度。生成式人工智能的使用日益普遍,已上市的产品种类越来越丰富,此技术最近被积极应用于元宇宙领域。
基础模型
基础模型附带大量预训练数据集并可适用于广泛的用例,是人工智能领域发展过程中的重大进步。与以前的模型相比,基础模型能更高效地提供更先进的自然语言处理能力。基础模型已成为自然语言处理领域的首选架构,此架构还可支持计算机视觉、音频处理、软件工程、生物化学、金融和法律用例。
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
中科院联合字节跳动开发全新AI评测基准TreeBench,揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法,通过要求AI同时给出答案和精确定位,实现真正可追溯的视觉推理,为构建更透明可信的AI系统开辟新路径。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
PyVision是上海AI实验室开发的革命性视觉推理框架,让AI系统能够根据具体问题动态创造Python工具,而非依赖预设工具集。通过多轮交互机制,PyVision在多项基准测试中实现显著性能提升,其中在符号视觉任务上提升达31.1%。该框架展现了从"工具使用者"到"工具创造者"的AI能力跃迁,为通用人工智能的发展开辟了新路径。