ZD至顶网软件频道消息:“一家油漆企业已经开始用微软HoloLens为客户虚拟出不同装修方案的装修效果,实现从卖产品到卖服务的业务转型。”埃维诺全球高级副总裁及大中华区总经理郭秀闲,在履新一个多月后,首次与媒体谈论对未来的想法。她认为,新技术对中国市场的影响较欧美市场更明显,中国企业对新技术的接受度也更高。
郭秀闲在今年11月加入埃维诺,此前曾先后担任沃达丰大中华区董事总经理及法定代表人、英国电信中国全球服务部董事总经理等职务。在其职业生涯中,郭秀闲还担任过三年微软Dynamic 大中华区总经理,以及曾在数字设备公司(惠普)亚太区数字设备集团担任各种高级管理职务长达15年。
埃维诺全球高级副总裁及大中华区总经理郭秀闲
按照她的话讲,在全部的职业生涯中,即使更换东家,但是所服务的客户类型一直以大型企业为主,也因此对大型企业的需求更为了解。
“中国市场的优势明显,中国移动互联网的发展相对于其他国家更加成熟,而它是中国企业技术和业务模式跨界创新和持续发展的重要参考。”郭秀闲表示,“不同以往,现在的时代是追求高效率、低成本,同时也从以产品带动市场转型为以市场带动产品,这个市场的变化非常快。”
此外,郭秀闲认为2017年跨应用和平台的数字创新正推动各个组织重新审视其与员工、客户和合作伙伴互动的方式,此前提到的油漆企业对HoloLens的应用就是其中之一,此外,以用户为中心、注重用户体验是企业明年需要关注的重点。
增强现实技术将成为企业需要面临的新现实
2017年,企业应该广泛地尝试增强现实(AR)、虚拟现实(VR)和混合现实(MR)等技术,以便做好迎接未来员工的准备。随着巨头公司们都采用这些技术改善协作,激励员工以及更好地服务客户,AR、VR和MR正大踏步地从游戏和消费领域转移到企业。例如,修理或安装新器件或设备的员工几乎可以完全借助AR高度可视化的逐步指导来完成修理或安装任务,进而最大程度地提高生产力,同时降低风险。
据Gartner预测,到2020年,将有近1亿客户会通过AR装置进行购物,71%的购物者希望在线查看店内库存。这就是为什么在中国市场的企业应该在2017年开始尝试AR、VR和MR技术,以了解如何更好地在企业中应用这些技术。
设计思维:增强客户体验的技术将是未来创新之路
埃维诺认为,随着客户和员工越来越熟悉数字化技术,设计思维对于力求保持竞争优势的企业来说将变得至关重要。设计思维的方法并不是从技术开始,而是首先对终端用户体验进行呈现,然后将人才、流程和技术综合到一起,从而实现这一愿景。2017年,企业利用数字化来推动用户交互和体验的根本性转变。输入和点击将不再是实际的互动形式,相反,数字化将带来更加逼真的体验,包括手势、触觉、语音、视觉等这些用户和机器之间无缝互动。随着企业开始实践用户体验为基础的设计思维,企业更多地展示出同理心、创造力、协作和敏捷方法。2017年,各公司必须重新审视如何建设以人为本的创新。
数字化道德:仅仅因为您可以利用数据做某些事情,并不意味着您应该这么做
2017年,各企业将从关注数据收集转向数据智能化。在Gartner有关2017年十大战略趋势预测中,应用人工智能和高级机器学习排在首位。在埃维诺看来,客户越来越多地采用自动化优先的方法。然而,包含人力、智能系统和设备在内的劳动力的增加使公司的道德标准变得更为复杂。
埃维诺最近的一项调查发现,大多数公司高层都在努力解决因职场使用智能技术所带来的道德标准问题。公司面临着与如何正确使用客户数据相同的数字化道德窘境。例如,保险公司现在正在使用远程信息处理设备跟踪消费者的驾驶习惯。虽然为那些进行安全驾驶的人员提供保险折扣的奖励不失为一个好主意,但是,消费者是否知晓是谁在使用车辆生成的数据。在发生事故时,保险公司使用远程信息处理设备作为触发装置,自动呼叫紧急服务,消费者对此做法是否心存芥蒂?
2017年,各企业必须让员工接受关于数字化技术相关道德影响的教育。各企业还应该强制规定其设计思维方法必须以道德为基础,并制定执行框架,确保智能系统继续增强和改善人类行为和决策,而不损害客户及员工的信任与期望。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。