美国联合航空公司(美联航)首席信息官Jason Birnbaum对于在该公司使用生成式人工智能雄心勃勃。
随着美联航人工智能路线图的核心架构骨干(包括美联航数据中心和一个名为“火星”的人工智能和机器学习平台)就位,Birnbaum已经将一些模型投入生产,供员工和客户使用。
Birnbaum指出,其中最主要的是用于安全员工实验的United ChatGPT和面向外部的LLM,后者能够更好地向客户通报航班延误的情况,被称为“每个航班都有一个故事”,这一举措已经将客户满意度提高了6%。
这位首席信息官表示,今年早些时候发布的航班状态服务为客户提供了更快、更透明、内容更丰富的航班延误和更新信息。Birnbaum补充表示,迄今为止,美联航已利用讲故事的LLM发送了10万多份数字通知,并明确还有大约90个其他使用案例。
作为讲故事的一部分,航班状态LLM会明确指出,哪些天气事件可能会影响延误的航班,并就下一步行动向客户快速提供有用的信息。Birnbaum表示,事实证明,这比在阳光明媚时笼统地宣布飞机因机械故障或恶劣天气而延误要好得多。
该首席信息官表示:“我们努力对这一模型进行微调,以获取运营信息、运营团队的记录、机组人员的记录以及所有这些不同来源的数据,并让人工智能获取所有这些数据,创造出一种更加透明、感同身受、干脆利落的叙述方式。”“和预先编写好的信息不同,我们尝试就航班情况写一个具体故事。人们会听到具体的信息,他们会理解而且血压也会下降。我们的人员仍然在研究这些信息,确保它们符合我们想传递的信息,不过我们已经开始对此驾轻就熟了。”
云技术的推动
如果没有之前向云的转变,美联航不可能在生成式人工智能方面取得早期成功。如今,美联航与亚马逊网络服务(Amazon Web Services)公司建立了紧密的合作关系,在亚马逊最近举行的Re:Invent大会上,几位高管详细介绍了彼此间的合作。
AWS专业服务和生成式人工智能创新中心(Generative AI Innovation Center)副总裁 Francessca Vasquez表示,例如,美联航利用AWS生成式人工智能创新中心和合作伙伴创新了新的解决方案,并提升了该航空公司数字组织的水平,使其成为生成式人工智能领域的领导者。AWS生成式人工智能创新中心已经拥有超过1000家客户,并在全球50多个国家支持着1300多个生成式人工智能用例。
关于美联航的“每个航班都有一个故事”计划,Vasquez表示:“美联航才刚刚起步。”“过去,美联航的故事讲述者必须手动编辑模板,这需要时间。美联航意识到,生成式人工智能可以自动处理大部分此类信息,从而让他们的员工腾出手来,专注于更具挑战性的延误问题——而一个了解了情况的客户,肯定是一个更愉快的客户。”
美联航自称是亚马逊SageMaker ML平台最早的用户之一,它利用自己的美联航数据中心和基于AWS Bedrock的Mars ML平台创建了第一批生成式人工智能LLM产品。Birnbaum表示,Bedrock支持来自不同供应商的基础生成式人工智能模型,这为美联航的开发人员提供了灵活性,而美联航自建的数据中心则为他们提供了访问大量非结构化数据的途径,以进行AI开发。
除航班状态LLM外,美联航还开发了采购LLM和另一个用于加强经理与员工沟通的LLM。这位首席信息官表示,另一个新的美联航生成式人工智能应用程序目前正在客户现场进行测试,它可以汇总换班时所需的所有相关运营数据。
Birnbaum 指出:“当换班时,管理复杂任务的人和接班的人之间会交接很长时间,你大约需要45分钟到1小时的时间来交接工作,确保接班的人获得了操作所需的一切信息。”Birnbaum 指出:“我们发现,通过在我们的United Data Hub中提供所有运营数据和实时警报,他们可以更快、更有效地完成这项工作。”
AWS技术副总裁Mai-Lan Tomsen Bukovec在在re:Invent大会上表示,美联航采用SageMaker和Bedrock以及Amazon Q“将改变数据产品构建的游戏规则”,她指的是United Data Hub是其人工智能之旅的一个变革性组成部分。
她表示:“无论数据是存储在S3数据湖还是Redshift数据仓库,抑或是联合数据源中,它都能提供对数据的统一访问。”她还补充表示:“United Airlines Data Hub让他们的数据科学家和分析师能自助处理数据请求,这有助于在他们的组织中推动以数据为导向的文化。”
Tomsen Bukovec谈到了为基于人工智能推理的应用实施检索增强生成(RAG)时拥有“干净数据产品”的重要性。
超越试点阶段
美联航是众多将生成式人工智能从概念验证转向投入生产的企业之一。
根据Gartner的调查结果,在2023年3月,只有约4%的企业在生产中使用了生成式人工智能服务。而在短短18个月内,这一数字就增加到了21%。Gartner认为,2023年3月,只有15%的企业组织在试运行生成式人工智能应用,而这一比例现在已经增加到38%。
Gartner负责云、边缘和人工智能的副总裁Sid Nag表示,投入生产的生成式人工智能LLM大幅增加,但大多数都是用于提高运营效率的基本任务。
Nag表示:“这是人工智能应用的主要用途,很多企业都在这样做。”“但是它们非常简单。”
好文章,需要你的鼓励
最新调查显示,大多数高管预计 AI 将在未来两年内彻底重塑企业。68% 的高管计划在未来一年投资 5000 万至 2.5 亿美元用于生成式 AI。尽管面临经济压力和数据质量等挑战,企业正加速采用 AI,但基层员工的应用仍有待提高。AI 的变革力量已经显现,并正在加速发展。
文章深入探讨了 AI 技术的快速发展趋势及其未来影响。作者通过分析量级增长 (OOM)、AI 能力跃升以及模型的情境意识等方面,论证了 AI 即将迎来重大突破。特别强调了到 2027 年 AI 可能具备 AI 研究员/工程师的工作能力,以及 AI 系统在获得持久记忆和更广泛上下文后将产生质的飞跃。
微软研究人员提出了一种新的内存技术——管理保留内存 (MRM),旨在解决 AI 基础模型工作负载的存储和 IO 问题。MRM 具有短期数据持久性,可优化 AI 推理性能,同时降低能耗和成本。这一创新概念有望填补现有内存-存储层级中的空白,为 AI 时代的内存技术发展开辟新方向。
随着数字化转型成为战略重点,企业纷纷投入资源,但成效不一。麦肯锡研究显示,90%的公司启动了数字化转型,但平均仅实现了预期收益的三分之一。展望2025年,生成式AI等技术的进步正在改变数字化转型格局。为确保成功,企业需要重新校准预期,区分数字化增强与真正的数字化转型,并采取更有效的预算结构。