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KU Leuven、中科大和上海Memory Tensor公司的研究探索了如何利用拼图游戏训练多模态大型语言模型的视觉推理能力。研究发现,现有模型在未经训练时表现近似随机猜测,但通过强化学习能达到近乎完美的准确率并泛化到更复杂的拼图配置。有趣的是,模型能否有效学习与是否包含明确推理过程无关,且复杂推理模式是预先存在而非突然出现的。此外,研究证明强化学习在泛化能力上优于监督微调,挑战了传统的模型训练范式。这些发现不仅揭示了AI视觉理解的机制,还为未来多模态模型研发提供了重要参考。
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。
这项研究提出了LoHoVLA,一种用于长时序实体任务的统一视觉-语言-动作模型,融合了高层任务规划和低层动作控制功能。与传统方法不同,它利用单一预训练视觉语言模型同时生成语言子任务和机器人动作,并采用分层闭环控制机制增强鲁棒性。研究团队构建了包含20个长时序任务的LoHoSet数据集,实验结果显示LoHoVLA在Ravens模拟器中显著优于现有方法,展现出统一架构在实现可泛化实体智能方面的潜力。