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
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。