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
TAE Technologies在最新一轮投资中获1.5亿美元,累计融资约18亿美元。公司利用 AI 技术优化融合反应堆设计,目标于 2030 年代商业化发电,谷歌等巨头均参与合作。
这项来自首尔国立大学的研究提出了状态机推理(SMR)框架,解决了大型语言模型在信息检索中的过度思考问题。研究者将推理过程从冗长的令牌生成转变为离散动作(精炼、重排序、停止),使系统能够高效地在状态间转换。实验结果表明,SMR在BEIR和BRIGHT基准测试中显著提高了检索性能,同时减少了74.4%的计算资源消耗,证明其在不同语言模型和检索器中的通用性。这种结构化方法不仅解决了冗余轨迹和误导性推理问题,还为构建更高效的信息检索系统提供了新思路。
Nvidia 正在全球数据中心推广 AI 芯片,其最新 Blackwell 架构在 MLPerf 基准测试中获得最高性能,大幅加速下一代 AI 应用的训练与部署。
REASONING GYM是GitHub团队开发的一个突破性推理环境库,为强化学习模型提供可验证奖励。与传统固定数据集不同,它能生成无限训练数据并调整难度,涵盖代数、算术、认知、几何等100多个领域的数据生成器。研究显示,即使顶尖AI模型在复杂任务上表现也不佳,而专门针对推理训练的模型明显优于通用模型。更重要的是,在一个领域学习的技能可以意外地迁移到其他领域,这为提升AI推理能力提供了新路径。