
Uber在过去五年里花了25亿美元,但现在离自动驾驶汽车的交付仍很遥远。
今年全球公司在人工智能系统(AI)上的支出将超500亿美元,是个创纪录的投资,但绝大多数公司可能不会从中获得太多回报。
《麻省理工学院Sloan管理评论》及波士顿咨询集团(英文缩写为BCG)最近对3,000多位公司经理的人工智能支出进行了一项调查并发布报告称,到目前为止,只有10%的公司从人工智能投资获得重大财务收益。
这项研究的负责人BCG北美人工智能业务联席主管Shervin Khodabandeh表示,人工智能技术的收益并未跟上采用步伐。Khodabandeh称,“我们见到更多的人工智能活动,更多的活动也意味着在技术和数据科学的投资更多。但其影响力并没有真正改变。”
该研究报告里的结果应该会引起有些企业的担心,这些企业在AI项目不断以惊人的速度投入资金,希望能将人工智能工具用于各种领域,例如管理合同、家庭助理和自动驾驶汽车。IDC数据显示,今年全球人工智能系统的投资预计将超过500亿美元。IDC还预测,到2024年,人工智能系统投资额将达到1100亿美元。
尽管投入了数十亿美元,失败的AI项目却成了不断增加的因素。例如,IBM的Watson技术吸引了不少风险投资,一个肿瘤学项目就募得6200万美元,但项目的系统在癌症治疗上却因提出不当的建议曾被嘲讽。IBM后来降低了旗下Watson技术的优先级。亚马逊AI也由于出现歧视女性的偏见而搁置了AI招聘工具。一些较小的企业发现,构建人工智能技术比表面上看起来要更难一些,一些应该由AI驱动的虚拟助手和会议调度程序最终要依赖幕后的人工操作。
Khodabandeh表示,公司要交付达到预期结果的AI项目碰到困难,因为他们在科技和数据科学家方面的花费太多,但却没有在业务流程上做出改动致使业务从AI中受益。Khodabandeh这一结论与6月份发表的《哈佛商业评论》报告相仿。
再来看看以打车为服务的Uber公司。Uber工程师上个月得出结论,旗下的自动驾驶汽车行驶不出半英里就会遇到问题。根据The Information网站一份报告(https://www.theinformation.com/articles/infighting-busywork-missed-warnings-how-uber-wasted-2-5-billion-on-self-driving-cars)的资料,该项目的人工智能“连搞定简单的路线和简单的操作都吃力得紧”。根据一份内部备忘录资料,失败的部分原因:内部各种想法在如何实施人工智能技术方面没法达成一致。
不过由于AI在节省和改善大规模业务上存在的潜力,一众公司也不太可能很快停止对该技术的投资。BCG和麻省理工学院的研究人员发现,57%的公司表示已部署或试用了自己的AI项目,高于2018年的44%。
Khodabandeh表示,要想从这些项目获得回报,更多的AI采用者需要重新考虑如何在自己的业务中整合人工智能技术。他表示,“显然有很多炒作。有些炒作来自数据。”
好文章,需要你的鼓励
加州大学洛杉矶分校等机构联合推出的Unify-Agent突破了传统AI图像生成的知识局限,通过整合"思考-搜索-整理-绘制"四步工作流程,让AI画师具备主动查找资料的能力。该系统在FactIP基准测试中相关性指标提升61%,特别擅长处理需要准确世界知识的长尾内容和文化特色图像生成任务。
中科院团队开发的FlowPIE系统首次将动态文献探索与创意进化相结合,突破传统AI科学创意生成的同质化局限。该系统通过流引导蒙特卡洛树搜索实现文献检索与创意生成的紧密耦合,并采用类生物进化机制持续优化创意质量。实验显示,FlowPIE在新颖性、可行性等维度显著超越现有方法,展现出强大的跨领域泛化能力,为AI辅助科研开辟了新路径。
阿里巴巴DAMO研究院推出Lingshu-Cell虚拟细胞建模系统,采用掩码离散扩散模型技术,能够精确模拟和预测细胞在基因编辑、药物刺激等干预下的反应。该系统在国际虚拟细胞挑战赛中表现出色,为个性化医疗和药物开发开辟了全新路径,标志着数字生物学时代的到来。
上海AI实验室联合多所高校发布GEMS技术,通过智能团队协作机制让60亿参数的小模型在图像生成上超越顶级商业模型。该系统包含循环优化、记忆管理和技能库三大核心,采用多轮迭代和专业技能匹配,在主流测试中提升14分以上,为资源受限环境下的高质量AI应用提供新方案。