至顶网软件频道消息:人工智能(AI)正在不断发展成熟,从中获益的一个群体越来越清晰:知识工作者。这些工作者既需要经验又能够收集和分析决策和行动所需数据,他们正在获得能够大幅提升其表现的工具。
人工智能涵盖了从机器人和物联网、到机器学习和自然语言处理的所有内容,这是一个全自动化、端到端分析和决策制定的世界;人工智能将人类从日常任务中解放出来,进一步增强了人类的聪明才智。
但实际来说,今天主要关注的是为知识工作者提供让他们更快、更有效地完成工作所需的信息和工具。这一点得到了Forbes Insights调查结果的印证,调查发现,有79%的高管认为,人工智能已经在推动知识型员工在工作流程和工具方面的变革性改进。
有关赋能知识工作者的例子,让我们来听听运输和物流巨头Werner Enterprises公司首席执行官Derek Leathers的看法。“我们的物流小组负责处理各种复杂但重复性的任务,这些任务需要大量输入数据才能做出最佳选择。”例如,选择最好的运输商意味着要梳理数千种可能的后选择、路线和时间表。“通常情况下,可能需要四到五分钟才能得出结论,”Leathers说。但是,最近他们采用了基于人工智能的工具,“几秒钟内,我们就可以把选择范围缩小到两三个运输商,然后让人类直觉做出最佳决策。”
精力应该集中在哪些方面?
Forbes Insights研究表明,提高知识型员工绩效的方法基本上围绕着这三个关键领域:
1、消除重复性任务:在做出决策时,知识工作者必须经常引用一系列数据源,这些数据源可能分散在企业组织外的各种电子表格或数据库中。编辑此类信息通常是重复的或机械的,因此非常适合采用机器人过程自动化(RPA)等工具。
Julie Leese是加拿大运输部的首席数字官,是加拿大铁路、海运、空运和陆运业务和政策的主要监督员。Leese解释说,RPA让企业组织可以自动执行基础任务,尤其是那些由明确的业务规则管理的任务。Leese说,这样的“机器人”比人类更有效率,能够更快、更连续地处理更多数据。
2、简化决策:机器——人工智能——非常善于编制数据。但就目前而言,Cadence Design Systems公司IT副总裁Tarak Ray表示,人类仍需要做出最终决定。他举例说,一台机器可以被训练识别出花朵,但“如果你要求机器画一幅画的画,或者说出哪一朵花最漂亮,机器就不知道了”。即便如此,机器还是能够收集和执行基本的、大量重复性的分析,帮助提高人类做出重要决策的速度和效率。
3、提供新的洞察:人工智能最强大的能力之一,是能够以显著提高理解力的方式向决策者提供信息。一家大型商业房地产、零售和娱乐集团的首席技术官解释说:“数据可视化本身就可以带来一些有趣的发现。”他们使用Power BI(商业智能)这种基于云的业务分析软件,为知识工作者和决策者的大约680个正在进行中的、涉及人工智能的报告提供支持。这位CTO表示,这些报告非常强大,“今天,没有人会在还没有看看Power BI仪表板之前就做出决定”。
Forbes Insights调查显示,知识工作者扮演者很多角色,实际上,各种各样的职能部门都在积极寻求人工智能能力。目前,IT部门仍然是人工智能最活跃的用户(52%的受访者),远远超过其他业务如运营(39%)、营销(33%)、销售或物流(32%)。
但调查显示,在接下来的18个月中,IT与其他业务职能之间差距在不断缩小。IT仍然保持领先地位,毕竟,这是一种了解技术、操作数据、明确业务规则的职能。调查预测,绝大多数知识型员工将在未来18个月内积极参与人工智能项目。人工智能确实对知识型员工产生了转型影响,而且还将持续下去。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。