
时至今日,越来越多的众多国家和地区都在积极考虑使用人工智能(AI)以及其他认知技术,借以提高自身运营效率、更好地为公民服务并扩大执行使命的能力。作为世界科技发展的前沿,美国政府机构当然也在着手对AI技术进行投资。举例来说,美国卫生与人类服务部(HHS)就在研究AI与区块链等新兴技术的具体应用。
>>> HHS如何采用AI与区块链技术
▲ 美国卫生与人类服务部(HHS)CIO Jose Arrieta
美国卫生与人类服务部(HHS)CIO Jose Arrieta在最近的AI Today播客节目中接受了采访。由于曾经负责HHS的采购副部长助理一职,他对于AI及区块链技术对政府机构的影响具有深刻的理解。此外,他还曾经出任项目经理,负责构建IT系统以利用机器学习分析相关人员的个人信息。一路走来,他凭借着自己的扎实积累,开始成为政府当中推动AI、机器学习以及区块链全面融合的数据与数据分析先驱者之一。
HHS是个规模庞大的机构,对美国GDP的影响超过1.1万亿美元。具体来说,HHS主要负责保护人类免受传染病症的侵害。借助AI与区块链技术,Jose正在寻求能够降低成本的洞察和见解,并借此更加高效地保护人类健康乃至挽救生命。作为一个大型机构,HHS在过去18个月内签发了超过100万份合同。这也让Arrieta意识到,只有真正跟进这些合同所涉及的全部执行情况,HHS才能实现运营效率与效果的全面提升。
然而,其中最大的挑战就是如何在权力下放的同时,继续保持HHS随时可以观察项目进度及情况的能力。考虑到HHS拥有诸多部门,各个部门的业务流程各有不同,这种尝试往往无从实现。事实上,HHS当中单是合约管理系统也有五种,Arrieta的团队因此决定利用区块链技术对这些系统进行分层,将数据从合同当中提取出来并进行清洗。如此一来,虽然各套合同系统仍有独立运行,但它们实际上已经构成了平台与数据层,使得业务流程现代化与分析见解成为可能,最终为HHS合同谈判人员带来了巨大助益。接下来,Arrieta和他的团队又确定了整个数据采集过程的生命周期,确保数据只需要采集一次——而不再像过去那样多次重复劳动。
他的团队还在数据层附近利用微服务建立起AI模型。这套微服务架构利用自然语言处理与机器学习分析采购价格,同时通读合同条款与条件。如此一来,模型即可快速分析合同内容并确定条款及价格范围。这是一种功能强大的工具,能够将以往需要大量人工耗时耗力的处理流程压缩至数秒钟之内。
>>> 为什么用户接受度如此重要
新技术的采用绝不可能一蹴而就,政府内部更是如此。而且,一部分员工可能会极力反对这些变化,甚至对新兴技术产生恐惧心理。为了增加员工的支持度,Arrieta和他的团队制定出新的业务流程,而后寻找愿意体验的用户,以此为起点一步步真正改善使用体验。他们发现,预先填充用户需要输入的信息能够显著简化合同授予流程,大部分员工也乐于接受这种轻松友好的AI协作方式。当然,截至本文发稿时,这些技术仍在进行测试,且处于概念验证阶段。
好消息是,这种对新技术及流程的积极推销一般只发生在早期,接下来讨论的重心会很快从要不要做变成怎么做。但在HHS这样的大型机构而言,怎么做甚至更加复杂且困难。我们首先需要在流程中纳入机构文化倾向,从而确保新方案符合员工的传统习惯;此外,还需要构建概念验证项目以展示其工作原理。这方面工作的核心,自然是快速构建原型设计,从而超越一般性的概念讨论并真正拿出可以体验的方案雏形。而这,又意味着我们需要把技术整合到现有工作文化之内,为那些从未接触过技术方案的人们提供支持。毕竟技术成果应该与业务流程保持一致,而非让流程适应技术。只有获得了员工的充分理解与认可,新技术才能真正改善业务成果。
>>> 数据与隐私问题
数据是AI的核心,一般来说,数据总量自然是越大越好。然而,人们对于数据以及隐私问题的担忧正在逐步升级。正因为如此,在与隐私相关的层面,AI与区块链对数据的使用正有所收敛。为了顺应需求,Arrieta和他的团队选择暂缓为那些数据最为敏感且需要谨慎处理的业务环节引入区块链与AI项目。相反,他们从采购开始,旨在找到更高的方案选购策略以保护纳税人的权益。这一领域的隐私风险最低,因此团队能够在这种受控程度更高的环境中着手学习技术的应用原理。另外,采购流程中的数据已经收集完毕,因此适合作为展示与概念验证场景。当然,他们也需要拿出更好的数据保护方法,毕竟很多别有用心的家伙一直在窥探这些重要信息。Arrieta提倡利用技术手段保护数据,从非敏感数据项目中汲取经验,并将成果最终应用于敏感数据当中。
我们所希冀的未来,实际就隐藏在当前的一步步发展当中。客观存在的每一种商业模式都在AI及区块链层面拥有转化的可能性,虽然其中大部分由私营部门推动,但相关趋势终将改变政府,通过采购的方式一步步影响政府机构的应用方式。我们无法阻止这种进步,因此必须确保政府能够持续学习新兴技术以避免落后于时代。事实上,数据已经在医疗保健以及其他个性化需求领域发挥重要作用,而AI与区块链在医疗领域的一大长期愿景,正是成就超个性化医疗这一核心目标。相信这一切,都会对人类社会产生深远的影响。
好文章,需要你的鼓励
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。