IBM 的一项研究发现,大多数保险行业的领导者都认为,生成式人工智能对于跟上竞争对手步伐至关重要。然而,只有四分之一的客户愿意使用这项技术。
这项研究基于对 1000 名保险行业高管和 4700 名保险客户的调查。虽然受访的CEO对生成式人工智能是风险还是机会的意见不一,但 77% 的受访者表示,生成式人工智能对于竞争是必要的。
客户的反应却并不热烈,只有 26% 的受访者表示他们相信人工智能能够提供准确可靠的建议。
毫不奇怪,IBM(拥有一系列人工智能产品而且非常乐意向客户销售这些人工智能产品)认为,解决方案包括实施一种受到严格管理且符合道德标准的人工智能,以应对信任问题,并“利用人工智能连接底层风险数据,解决保险公司和金融服务提供商长期存在的技术债务问题”。
或者,俗称蓝色巨人的 IBM 应该简单地听听客户的意见。根据 IBM 自己的数据,只有 29% 的客户对生成式人工智能代理提供的服务感到满意。
根据这项研究,预计在2023年至2025年间,生成式人工智能的投资将增长超过300%,企业将从技术试点转向实施。包括微软在内的IBM的竞争对手已经对这一发展下注颇丰,尽管分析师和交易员暗示人工智能泡沫有可能在不久的将来破裂。
Salesforce 的另一项研究显示,对数据和安全的担忧使得企业有些束手束脚,只有 11% 的受访首席信息官表示已经全面实施了人工智能技术。
即使实施了一些人工智能项目,这些项目的回报也可能远远低于过度兴奋的高管们的期望。这完全取决于人工智能技术的使用方式。例如,一些大型企业出于安全和管理方面的考虑,已经暂缓了微软 Copilot 等产品的使用,并不是因为 Copilot 本身的问题,而是企业意识到在允许 Copilot 爬取企业数据之前需要正确配置访问权限。
IBM 的调查结果和得出的结论表明,人工智能行业有些不接地气,令人担忧。客户不想与生成式人工智能代理打交道。那么,与其试图用更多的人工智能来解决问题这个问题,倒不如考虑一下生成式人工智能适合哪些场合不适合哪些场合。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。