Uber在過去五年里花了25億美元,但現(xiàn)在離自動駕駛汽車的交付仍很遙遠。
今年全球公司在人工智能系統(tǒng)(AI)上的支出將超500億美元,是個創(chuàng)紀(jì)錄的投資,但絕大多數(shù)公司可能不會從中獲得太多回報。
《麻省理工學(xué)院Sloan管理評論》及波士頓咨詢集團(英文縮寫為BCG)最近對3,000多位公司經(jīng)理的人工智能支出進行了一項調(diào)查并發(fā)布報告稱,到目前為止,只有10%的公司從人工智能投資獲得重大財務(wù)收益。
這項研究的負責(zé)人BCG北美人工智能業(yè)務(wù)聯(lián)席主管Shervin Khodabandeh表示,人工智能技術(shù)的收益并未跟上采用步伐。Khodabandeh稱,“我們見到更多的人工智能活動,更多的活動也意味著在技術(shù)和數(shù)據(jù)科學(xué)的投資更多。但其影響力并沒有真正改變。”
該研究報告里的結(jié)果應(yīng)該會引起有些企業(yè)的擔(dān)心,這些企業(yè)在AI項目不斷以驚人的速度投入資金,希望能將人工智能工具用于各種領(lǐng)域,例如管理合同、家庭助理和自動駕駛汽車。IDC數(shù)據(jù)顯示,今年全球人工智能系統(tǒng)的投資預(yù)計將超過500億美元。IDC還預(yù)測,到2024年,人工智能系統(tǒng)投資額將達到1100億美元。
盡管投入了數(shù)十億美元,失敗的AI項目卻成了不斷增加的因素。例如,IBM的Watson技術(shù)吸引了不少風(fēng)險投資,一個腫瘤學(xué)項目就募得6200萬美元,但項目的系統(tǒng)在癌癥治療上卻因提出不當(dāng)?shù)慕ㄗh曾被嘲諷。IBM后來降低了旗下Watson技術(shù)的優(yōu)先級。亞馬遜AI也由于出現(xiàn)歧視女性的偏見而擱置了AI招聘工具。一些較小的企業(yè)發(fā)現(xiàn),構(gòu)建人工智能技術(shù)比表面上看起來要更難一些,一些應(yīng)該由AI驅(qū)動的虛擬助手和會議調(diào)度程序最終要依賴幕后的人工操作。
Khodabandeh表示,公司要交付達到預(yù)期結(jié)果的AI項目碰到困難,因為他們在科技和數(shù)據(jù)科學(xué)家方面的花費太多,但卻沒有在業(yè)務(wù)流程上做出改動致使業(yè)務(wù)從AI中受益。Khodabandeh這一結(jié)論與6月份發(fā)表的《哈佛商業(yè)評論》報告相仿。
再來看看以打車為服務(wù)的Uber公司。Uber工程師上個月得出結(jié)論,旗下的自動駕駛汽車行駛不出半英里就會遇到問題。根據(jù)The Information網(wǎng)站一份報告(https://www.theinformation.com/articles/infighting-busywork-missed-warnings-how-uber-wasted-2-5-billion-on-self-driving-cars)的資料,該項目的人工智能“連搞定簡單的路線和簡單的操作都吃力得緊”。根據(jù)一份內(nèi)部備忘錄資料,失敗的部分原因:內(nèi)部各種想法在如何實施人工智能技術(shù)方面沒法達成一致。
不過由于AI在節(jié)省和改善大規(guī)模業(yè)務(wù)上存在的潛力,一眾公司也不太可能很快停止對該技術(shù)的投資。BCG和麻省理工學(xué)院的研究人員發(fā)現(xiàn),57%的公司表示已部署或試用了自己的AI項目,高于2018年的44%。
Khodabandeh表示,要想從這些項目獲得回報,更多的AI采用者需要重新考慮如何在自己的業(yè)務(wù)中整合人工智能技術(shù)。他表示,“顯然有很多炒作。有些炒作來自數(shù)據(jù)。”
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術(shù),通過交錯式推理生成、解耦橋接機制和漸進式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準(zhǔn)測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時學(xué)習(xí)外觀和運動信息,顯著解決了當(dāng)前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個線性層就能大幅提升運動質(zhì)量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評測基準(zhǔn),通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術(shù)路徑。
谷歌DeepMind團隊開發(fā)的GraphCast是一個革命性的AI天氣預(yù)測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報,準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來了效率和精度的雙重突破。