时下流行的人工智能概念,是要么它取代你的工作,要么成为你新的电子助理。假设人工智能就是关于你和我。
AI带来的哪些影响最明显,对此我们有不同的看法。我们认为,最终人工智能将不可避免地主要与其他人工智能互动。
以美国的911市政系统为例。人们很难想象911呼叫是由NLP训练的聊天机器人应答的。如果接受这种做法,那是因为人们期望一个更客观、更一致、更高效的系统。如果不接受,那是因为人们不相信软件是可信的,特别是在生死攸关的情况下。
但是,在高度紧张和不可预测的人类情境中,使用一种算法来解读人类语音,这对于机器学习来说是一个重要的延伸。我们距离能够把机器人放在人类911接线员的前端还有很长一段路要走,更不要说完全取代人类了。
另一方面,有一种方法可以将人工智能纳入911,我们发现这种方法可能最终价值更高:
你在遇到紧急情况下拨打911,AI会监听你与运营商之间的对话。通过监听少数接线员数小时的对话,AI就能理解呼叫内容的性质和紧迫性。AI掌握了与整个应急管理生态系统其他要素相关的术语,它与生态系统其他部分的AI相连接,以提醒他们应对这一紧急情况并协同响应。
救护车派遣型AI的任务是确定最合适的专业团队。交通控制型AI主要是协调停车灯周期为救护车提速。ER型AI是为了确保合适的人员、药品和设备准备就绪。救护车上的AI为EMS人员提供诊断可能性和治疗选择方面的指导。
你可能会说,这不可能。这种部门之间的协调和整合是无法实现的,政治和体制障碍太多了。
如果是由人类来决定未来911系统的发展,那么你可能是对的。但事实是,我们相信人工智能会让这些在未来变成现实。
那你可能会问了,怎么实现?因为基于机器学习的系统将不可避免地演变为精细的自我纠正和自我训练的实体。数据科学团队推出了算法的早期版本(这个版本最终将成为他们的第一个指令),以便更加自信地应对更多边缘情况,而这第一条指令将推动算法发现这其中的差距,并自己主动填补这些差距。
当人类遇见其他人类的时候,具有本能的AIP会管理人类之前的互动。
人类决定彼此的身份:你是谁?
他们建立了可信度:我怎么知道你说的是真的?
他们评估彼此的价值:我是否优先考虑你提供给我的东西?
AI需要类似的API。与人类一样,寻求自我完善的人工智能将需要询问其他“监管者”并与之进行协商。
身份:这位监管者是谁?它有什么经验?
信任:我为什么要相信它们?我对它们给出的意见有多信任?
价值:我有多么需要这些数据?根据我的预算,最大限度的影响力有多大?
这种新型API——在这种机制下,软件能够通过查询和协商——来自何处?
这些已经被作为机器学习发展演进的一个组成部分。Alegion自己训练的数据平台使用这种早期的API来激励主动学习,我们肯定并不孤单。
但算法本身将变革这种新的API,以满足他们对自我改进和更大信心永不满足的需求。
正是这种可以询问和协商的AI将实现未来的911系统。
好文章,需要你的鼓励
2025年人工智能在企业中实现突破性应用,从实验阶段转向实用阶段。八位代表性CIO分享核心经验:AI工具快速进化、需保持快节奏实验思维、重视工作流程而非组织架构、数据质量成为新挑战、采用前瞻性指标管理项目、无需等待完美时机、AI既是技术也是社会文化现象、需严格项目管理、变革重在人员而非技术、多智能体架构成未来趋势。
NVIDIA研究团队构建了迄今最大的数学推理数据集Nemotron-Math,包含7500万条推理轨迹,通过多模式推理和工具集成让AI在数学竞赛中达到100%满分。该研究还提出了创新的分桶训练策略,将超长文本训练效率提升2-3倍,为AI数学推理能力的突破和实际应用奠定了重要基础。
日本科技投资巨头软银需要在年底前筹集225亿美元,以履行对AI合作伙伴OpenAI的资金承诺。软银是OpenAI价值5000亿美元Stargate数据中心计划的主要资助者之一。为筹集资金,软银CEO孙正义可能动用多种手段,包括利用其持有的英国芯片设计公司Arm股份作为抵押贷款。软银已清仓英伟达股份为该项目提供资金,目前可通过Arm股份借贷115亿美元,还持有价值110亿美元的T-Mobile股份及270亿美元现金储备。
清华大学研究团队提出JustRL方法,用单阶段训练和固定参数的简单强化学习配方训练15亿参数AI模型,在九个数学基准测试中达到54.9%和64.3%的平均准确率,性能匹配或超越复杂多阶段方法,同时计算资源减半。研究挑战了AI训练中的复杂化趋势,证明简单方法的有效性。