Howdens应用已经迎来更新,凭借生成式AI驱动的全新数字助手,可帮助行业客户解决技术问题。
作为一家专门为行业客户提供厨房用品的公司,Howdens开发出一款新的人工智能(AI)驱动型应用以交付技术知识。这款方案中大量采用微软家的生成式AI技术,包括Azure OpenAI服务、Azure Cosmos DB、Azure AI Search以及Applied AI Services服务等。
新应用名为“Chip”,旨在为Howdens的行业客户提供必要信息,以确保他们能够更加顺畅且出色地完成工作。
根据Howdens公司首席客户官David Sturdee的解释,Howdens是微软的合作客户,且敏锐意识到由生成式AI创造的一系列机会。“随着生成式AI的出现,我们立即意识到这将改变一切。”
虽然由生成式AI带来的某些机会目前来看似乎空间不大,但作为时代潮流的重要风向标,相信五年之后这些小变化将有可能颠覆业务的整体运作方式。Sturdee表示,“我们很早就发现,生成式AI开启了各种各样的机会,包括增强个人的影响力、为他们提供更好的工具和信息,乃至解决特定挑战等,比如我们该如何为现场行业客户提供帮助。”
举例来说,如果行业客户对于产品装配抱有疑问或者需要了解某些技术知识,那么由生成式AI提供支持的新技术就能以高效快捷的体验为这些问题找到答案。
这也是Chip应用的核心用例。Sturdee解释道,“该工具采用微软AI技术构建而成,这样商业账户的持有人只需按下按钮即可访问产品及装配支持信息。这意味着无论何时何地,我们都能为行业客户提供服务。当然,Chip只是Howdens公司AI之旅的第一步,未来我们将继续探索AI在提高客户效率方面的其他应用空间。”
在Sturdee看来,AI模型近年来已经取得了长足进步。“现在大模型开始支持多模态”,这意味着它们能够处理不同类型的数据,而不仅仅是文本输入。“这些新的AI模型能够获取大量信息,使之易于访问,并且以极具现实意义的方式呈现信息内容。”
Howdens公司的主要业务就是参与厨房设计。Sturdee认为,在设计过程中将生成式AI工具与设计师相融合代表着巨大的机会,而AI将在整个设计过程中扮演幕后助手的角色。
他指出,“除了总体设计之外,厨房设计还涉及大量规划细节,包括裙板、桌脚和其他构成完整效果的各种设计部分。AI模型能够分担并省去很多繁琐的工作内容。”
得益于深度学习的力量,Sturdee还看到了生成式AI技术创造全新事物的潜力。他相信在AI技术的帮助下,Howdens的厨房设计师们能够进一步丰富用户体验,同时简化整个设计流程。
“我们可以用这种方式帮助设计师了解趋势,甚至可以使用AI模型生成设计的初始版本。之后设计师才实际参与进来,利用自己的专业知识做好进一步补全和润色。”
Sturdee认为,这样的设计流程将在不久的未来彻底成为现实。
微软零售与消费业务总经理Olaf Akkerman表示,“认真审视整个设计流程,我们会发现这对人们来说是一种情感上的吸引过程,因此必然要经历许多次迭代,包括与诸位工匠及Howdens一道寻求专业知识、获取最佳建议。”
在到达现场之后,厨房装修工可能会发现很多设计需要做细节调整。他强调称,AI技术不仅有助于提高设计效率,还能够在Howdens、工匠和消费者之间建立起牢固的联系。
对于厨房设计流程,Howdens目前正在与微软合作开展可行性研究,判断数据结构是否正确。Akkerman指出,“保证结果的正确性永远是第一位的。”
回顾该公司首次涉足生成式AI领域的发展历程,Howdens最初就选择与微软合作,从全业务体系的参与者处收集关于AI技术潜在应用空间的思路,而后评估由此对业务造成的影响。Akkerman解释称,“我们列出了一份候选清单,而后开展了一系列快速的可行性实验,最终让Chip成为首个实践用例。”
虽然大部分AI用例都面向内部需求,但Akkerman表示Howdens团队在Chip应用中引入AI的方式表明,该项技术也完全可以作为知识库之上的数字助手。
从第一次关于AI的对话开始,Howdens公司的Chip构建和部署过程仅仅耗时6到9个月。
而且正如Sturdee所强调,这个年轻的项目还将继续发展进步。“我们将继续与微软合作开发Chip,确保它能继续发展以满足我们行业以及行业客户的实际需求。”
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。