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
Birk Jernstrom在Shopify收购其上一家初创公司后,创立了货币化平台Polar,专注帮助开发者构建单人独角兽企业。该平台为开发者提供支付基础设施服务,处理全球计费和税务问题,让企业从第一天起就能销售在线产品和SaaS订阅服务。Polar获得了Accel领投的1000万美元种子轮融资,自2024年9月推出以来已吸引1.8万名客户。
Anthropic和Open Philanthropy研究人员发现,之前声称AI推理模型存在"准确率崩溃"的研究实际上混淆了推理能力和物理限制。通过重新分析发现,AI模型在遇到输出长度限制时会主动停止,而非推理失败;部分测试题目本身无解却被当作失败案例;改用程序生成方式后,模型在复杂问题上表现出色,揭示了AI评估方法的重要缺陷。
OpenAI首席执行官奥特曼证实,Meta为挖角OpenAI和谷歌DeepMind的顶尖AI研究人员,开出了超过1亿美元的薪酬包。然而,这些挖角努力基本失败。奥特曼表示,员工们认为OpenAI在实现AGI方面机会更大,公司文化更注重创新使命而非高薪。Meta正在组建超级智能团队,但面临OpenAI、Anthropic等竞争对手的激烈竞争。
华为联合多所高校发布TeleMath数据集,这是首个专门评估大型语言模型在通信数学问题求解能力的基准测试。研究团队设计创新的合成数据生成框架,从50个专家问题扩展至500个测试样本,涵盖信号处理、网络优化等七大领域。评估结果显示,专门的推理模型明显优于通用模型,为通信AI应用指明方向。