德勤(Deloitte)本周发布的一项研究表明,早期采用人工智能(AI)和认知技术的企业在获得经济收益的同时,正在创造新的就业机会。
接受调查的企业总体上对于认知技术在其组织中现期和未来,所扮演角色的看法是积极的。在接受调查的 250 名“有认知意识”的美国高管中,已经有接近三分之二(63%)的人已经开展了培训项目,帮助员工了解如何开发认知技术并与之协同工作。
与许多人认为的情况相反,调查对象并不认为失业是人工智能相关工作的一个重要结果,69%的受访者预计在未来三年内失业的数量会非常小,甚至不会带来什么失业。
该报告表示,事实上,超过四分之一的组织(29%)认为,随着人工智能和认知技术的普及,新工作机会将会随之增长。当被问及人工智能和认知技术带来的好处时,劳动力减少的排名是最低的(22%)。
们应该看看人们和机器如何以合作的方式协同工作。” Cathy Engelbert表示, “利用新技术作为我们员工队伍新工具的能力最终将为我们的员工建立高价值技能提供新的机会。”
绝大多数的受访者(92%)认为认知技术是其内部业务流程的一个重要部分,87%的受访者认为认知技术将在改善其产品和服务方面起到重要的作用。此外,大约有四分之三(76%)的受访者希望AI和认知技术能够在三年内实质性地改变他们的公司。
调还查发现,有12%的公司在认知技术方面投入超过了1000万美元。而投入在500万到1000万美元、100万到500万美元以及50万到100万美元的公司比例都在25%左右,只有7%的公司的投入不到50万美元。这些投资主要面向IT、产品开发与研发以及客户服务。总体而言,目前公司使用的认知技术还处于初级阶段,而且大多数公司还没有为这些技术提供良好的预算。
大约四分之三认知技术的早期应用者在探索那些成熟的认知技术,他们正在使用于机器人流程自动化(RPA)(73%)、统计机器学习(70%)以及深度学习神经网络(49%)。
到目前为止,这些较新的技术似乎正在得到回报。大多数受访者表示人工智能和认知技术带来了中等到显著的经济收益。
更喜欢从最成熟的项目入手,或者再等上几年,等到技术成熟。
德勤咨询(Deloitte Consulting)的Ryan Renner表示,那些希望通过认知技术获得竞争优势的企业应该“重新思考”何时、为什么以及如何通过人与机器的协同工作来取得更好的成果。
Renner还说,这些技术正在破坏组织如何执行任务、做出决策以及在客户和内部完成互动的方式。他表示,真正的价值只有知道如何在公司的业务、市场、企业文化和行业环境中最有效地应用技术的前提下才能创造出来。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。