至顶网软件频道消息:围绕人工智能(简称AI)展开的炒作与关注正促使越来越多软件供应商将AI因素引入其产品发展战略。Gartner公司同时指出,这种作法亦给市场造成了巨大混乱。该公司分析称,到2020年,AI技术几乎将被引入至每一款新型软件产品及服务当中。
2016年1月,“人工智能”一词尚未能进入gartner.com网站的前百名热门搜索词汇,但到今年5月,其排名已经跃升至第七位——这亦表明Gartner客户开始高度关注AI议题,并积极思考如何将其引入自己的数字化业务发展战略。根据Gartner公司的预测,到2020年,AI将成为逾三成CIO的五大优先投资方向之一。
Gartner公司研究副总裁Jim Hare指出,“随着AI技术快速步入炒作周期,众多软件供应商亦开始追赶这场近年来兴起的淘金热。AI技术确实能够带来令人兴奋的可能性,但遗憾的是大多数供应商仅专注于简单构建并营销基于AI的产品,而非真正观察市场需求、规划潜在用途并思考如何借此提升客户的商业价值。”
所谓AI,是指那些能够在无需明确编程即可对当前情况进行观察,并独力分析出行为调整结论的系统。尽管人们普遍担心AI技术有可能最终取代人类,但实际情况是,目前的AI与机器学习技术只是在大大提升人类的既有能力。经过训练,机器能够在某些特定领域发挥出远超人类的表现; 事实上,机器与人类的结合将以往很多不可能变为了可能。
为了成功把握AI技术带来的机遇,技术供应商需要了解如何应对以下三个关键性问题:
1) 差异化的缺失导致买家陷入困扰且很难作出购买决定
越来越多的初创企业及主流厂商皆宣称将提供AI相关产品,但其中却缺少能够真正帮助买家理清需求的差异化因素。目前超过1000家应用程序与平台供应商自称为AI供应商,或者至少宣称在产品当中使用了AI技术。
根据Gartner公司的观点,这是一波类似于“环保”产品的新兴风潮——即无论实际情况如何,皆宣称或夸大其产品在环境保护方面的效果。事实上,这种广泛的AI标榜行为已经给技术投资产生了负面影响。
为了建立起用户信任,供应商应当专注于面向AI建立起量化结论,并提供相关案例研究思路。
Hare解释称,“应当以明智的方式在产品销售及营销当中使用‘AI’一词。具体来讲,应明确区分AI方案的差异化特性及其能够解决的问题。”
2) 利用经过实践验证且易于上手的机器学习能力满足最终用户需求
包括深度学习在内的AI发展成果已经获得高度肯定,但在相关价值的直接性与成熟度方面仍显得比较模糊。Gartner公司建议各供应商采取最简单的使用方法,同时配合最先进的AI技术以弥合这一对接差距。
3) 企业缺少对AI解决方案进行评估、构建与部署的能力
根据Gartner公司发布的2017年AI发展战略调查报告显示,半数以上受访者认为缺乏必要的人才与技能储备是在企业当中采用AI技术的最大挑战。
此项调查发现,企业正在积极寻求能够改善决策流程并实现业务自动化的AI解决方案。如何可能,大多数企业都倾向于购买嵌入式或者打包AI解决方案,而非尝试构建定制化解决方案。
Hare解释称,“软件供应商需要专注于为商业问题提供解决方案,而非单纯提供前沿技术成果。重点在于,供应商应说明其AI解决方案能够如何帮助企业客户解决技能短缺难题,同时带来超越内部定制化AI解决方案的价值实现速度。”
*本份调查报告于2017年4月5日至21日整理完成,涵盖Gartner研究圈各位成员——此研究圈为由Gartner负责管理的IT与商业领导者生态系统。本份研究报告共收集了83位受访者的意见。
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。