1769年,英国人瓦特改良的蒸汽机掀开了工业革命的时代序幕。近日,AIGC风口又为AI在To C领域的应用开启了无限的可能性。伴随AI 算力需求急剧增加,倒逼传统计算架构加速革新,人工智能算力时代悄然开启,ChatGPT的出现更是让我们看到了AIGC的无限潜能, 从AI 1.0 迈入AI 2.0 的全新拐点, AI技术如何进一步落实在应用上,从而实现商业价值?
为加速人工智能行业发展,探索人工智能应用落地。3月24日,华为云携手快快网络举办“企业快成长·AI算力的应用与思考”思享会,顶级行业专家共聚一堂,就领域前沿技术、AI的商业应用、AI创造力等话题展开思辨,为人工智能行业应用绘制新鸿图,共创行业新价值。

会议现场,华为AI技术规划专家以前瞻角度,介绍了在人工智能领域的实践经验和研究洞察。他表示,大模型正在成为重要的云基础设施。ChatGPT引发第三次交互革命,通过自然语言控制软硬件,降低软硬件使用门槛,对搜索、代码、办公等诸多领域生产力工具产生颠覆性变化,有望成为万物智能统一入口。
ChatGPT一夜爆火,上线短短两月,已获1亿月度活跃用户,成为历史上增长最快的面向消费者的应用。随着生成式人工智能成为Web3.0时代的生产工具,以及各类人工智能应用的深入,其自身的技术缺陷以及带来的隐私伦理、决策偏见、使用安全等问题引发了信任危机。在技术上,算法脆弱易受攻击带来的危险性;黑箱模型导致算法不透明,使得人们无法直观理解决策背后的原因。在应用中,容易产生训练数据偏见歧视,导致公平性缺失;在伦理方面,人工智能系统决策复杂,难以界定责任主体,带来伦理安全问题。
对此,他强调,企业/个人用户调用大模型可能会带来信息泄露等风险,同时,这些模型可能会被用于生成虚假信息或网络攻击代码。因此我们需要整合各方资源,规范技术应用的伦理道德问题,确保AI技术应用的公正性和透明度,使AI生态得以长期健康的发展。
同时,针对AI 2.0时代商业应用的机遇与挑战,宜远智能创始人吴志力指出,技术的进步带来了更多的机会,企业可以利用AI技术提升工作效率,减少人力成本,同时也能够开拓更多的商业模式和领域。
“AI技术的应用也带来一系列挑战,包括数据隐私和安全问题,伦理问题等。同时AI技术需要丰富的标注数据,使得AI算法的应用和训练时间更长。如何解决这些问题是商业应用AI技术面临的重要挑战。因此,一方面企业需要在AI的应用和管理上下更多的投入,此外也需要制定更完善的AI政策和伦理规范,以更好地应对AI 2.0时代商业应用带来的机遇和挑战。“吴志力提到。
与此同时,爆火的ChatGPT,既让大家看到了人工智能变革的新机遇,也在文明视野下引发了我们对它给人类所带来挑战的反思。很多人都在关心:我们的工作是否会被ChatGPT替代?AI是否威胁到职场的更多人?
针对这一话题,执一咨询创始人郑楠带来了他的精彩分享,他认为,一方面,这些新技术的出现将导致许多职位的转变,同时也将提高职场人的工作效率和质量,带来更多机会。另一方面,在“AI增强”的环境下,技术团队应该拥抱新技术,掌握与AI相关的技能,强化数字化技能,了解AI技术的基础知识,掌握与AI相关的编程语言和算法,并具备项目管理和协作技能。同时,他们需要了解业务流程和领域知识,持续学习和提升技能,以适应发展迅速的技术环境。只有这样,团队才可以充分利用人工智能的优势,不断提高工作效率并为公司创造更多价值。
比尔盖茨说,在未来5到10年内,由人工智能驱动的软件将最终革命性地改变人们教学和学习的方式。站在历史交汇点上,人工智能作为数字时代关键核心技术,将迎来全面商业场景应用时代。
本次思享会只是一个起点,更多应用创新等待我们去发掘和探索。据悉,类似的内容分享会活动,在华为云开年采购季期间在全国各地不断上演。更多精彩,欢迎关注华为云官网。
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。