至顶网软件频道消息: 我们处在的时代中一再被告知人工智能和自动化将会破坏人类的工作。与此同时,大部分西方世界却面对极低的生产力水平而努力挣扎。

斯坦福大学最近的一项研究表明,人工智能投资难以实现更高的生产力,可能要归结为公司获取数据的经济模型。这表明,我们免费输送给Google、Facebook数据但是却没有得到回报,这往往会导致质量较差的数据,因此难以从中获得有用的价值。我们都希望实现数据变现的愿望,但目前来说,很难看到有哪些因素可以鼓励我们在Facebook上分享更准确的数据。
埃森哲最近的一篇文章提供了另一种说法。文章称,越来越多的角色将需要我们与人工智能有效地展开合作,而不是被人工智能取代。
与以前的工作一样,报告预测将出现一系列新的工作,包括与基于人工智能的工具密切合作。他们将这些角色分为三种主要类型:
• 培训师 - 帮助电脑学习,变得更聪明。
• 解释者 - 解释计算机产生的结果,以提高决策的透明度和问责性。
• 维持者 - 确保人工智能系统保持原来的目的,不会陷入不道德的境地。
采取系统化的方法
该报告还称,企业组织需要采取系统性的方法来确保人与机器之间的交互是顺利的。"原则是,在让员工准备必要的技能之前,把焦点从工作岗位转移到工作本质上。"
他们主张通过三个主要步骤来做到这一点:
1、评估任务和技能:企业组织通常可以很好地理解内部的工作角色,但是他们很少理解这些工作中的各项任务和所需技能。这是至关重要的,因为未来需要执行新的任务来充分发挥人工智能的作用。
2、创建新的角色:随着人工智能的发展,它将让员工去承担更高价值的工作。这将需要新的角色,更多的是洞察力和策略,而不是单一的技能、重复性的工作。工作也有可能会变得更加专业化,因为我们想要掌控大数据,这项能力让我们坑购为客户提供个性化的服务。
3、将技能映射到新角色:最后一步是将企业组织所需的新技能,与上一步中创建的新定义角色映射到组织拥有的技能。有时这个技能差距可以通过短期承包商来解决,有时则需要向员工提供培训计划。
"然而,越来越清楚的是,随着人们和智能机器以全新的方式展开合作,企业领导者将不得不一次又一次的重新调整自己的员工队伍。第二次、同时也是真正变革性的转变可能不到十年时间就会发生。同时,企业领导者必须更加直接地发挥重要作用,充分利用人机协作带来的机遇,为未来全新的发展机遇和市场动荡创造跳板。"该报告总结说。
新的技能
记者之前写过关于帮助人们发展与自主工具共同进步所需的技能时存在的固有挑战,在新平台试图接近那些最受益的群体时,雇主也在减少培训支出。
埃森哲呼吁各企业组织重新强调培训的重要性,以弥补差距,只有3%的公司管理人员计划增加培训支出,尽管其中大约一半的受访者面临技能短缺的问题。
他们主张在先前进行的"技能审计"基础上确定特定技能的优先级,然后针对不同的技能水平和不同层次的人员进行有针对性的培训。
公司对工作的未来以及人工智能对人类工作的影响大体上持乐观态度。虽然这项技术将从根本上改变价值创造的本质,但是当人们接受培训,与机器配合高效工作的时候,它将会发挥最大作用。事实上,这篇论文称,在交谈中大多数员工都非常期待有新的人工智能驱动工具来帮助他们更有效地完成工作。
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。