IBM在很多方面都将业务的未来押注在Watson身上,这个著名的技术平台使用了人工智能和机器学习,从大量非结构化的数据中产生见解。在追求Watson商业化的道路上,IBM已经投入了数十亿美元建立业务部门,并收购能够和Watson配合的产品及公司。
鉴于IBM当前的业务和结构,这场游戏未来将怎么玩,是本次在拉斯维加斯举办的World of Watson大会的一个主要议题。来自theCUBE的John Furrier和Dave Vellante,谈到了这些方面的问题,并且讨论了他们认为其对IBM未来发展的价值所在。
重塑创新曲线
Furrier表示在过去七年里,他一直在关注IBM的事件,这是IBM的首席执行官在舞台上展示的第一项技术,此举凸显了Watson对IBM业务的重要性。他还指出,“摩尔定律和以往不同了,结合了正在重塑创新曲线的人工智能、移动和大数据。”
Vellante提到John Kelly(Watson之父),表示他在2007年的时候还心存怀疑,因为之前20年间看到了太多人工智能的失败。然而,现在已经到了让人工智能处理大量数据的正确时机。例如,为了让医生掌握他们所处特定专业领域的最新发展,他们每周不得不阅读1500份出版物。现在,Watson可以解析这些数据,为医生提供可搜索的数据库,以便找到最新的信息。
开发者对于IBM未来的成功至关重要
对于IBM来说,要想赚钱,就不能和亚马逊的云正面对抗。而是必须在高利润的业务中展开竞争。Furrier表示,“他们将一切都开源了,他们在开发者领域进行了大量投资,他们能够吸引并接触云中的开发者社区,让企业走向SaaS。”
Vellante表示,“虽然一些公司可能会有更先进的人工智能技术,但是IBM正在擦地板,通过它的服务、行业开始侧重云。如果它能够在人工智能方面获得动力,它就会在这场游戏中领先。”
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。