据澳大利亚联邦银行(Commonwealth Bank)数据科学主管Dan Jermyn说,联邦银行利用人工智能(AI)帮助客户的日常沟通,客户参与度提高了400%。
联邦银行创建了名为客户参与引擎(CEE)的人工智能“旗舰实现”。 CEE是个帮助“协调客户体验”的“中心化决策平台”。
Jermyn周五在悉尼大学举行的首届道德数据科学会议上表示,“我们希望确保我们与他们谈的是正确的一项。这是非常困难的,”。
联邦银行拥有几百万客户,客户可能希望在几十种不同的渠道上谈论几千种不同问题里的某一个问题。
Jermyn表示,“你可以想象一下我们有多少关乎客户的信息,所有的金融交易信息,所有的互动信息等等。”
他还表示,“只要我们可以解码这些信息,那么就可以在任何时间点上找到与客户交谈的最佳方式的答案。”
CEE目前内置在19个通信渠道内,可分析2000亿个数据点,给出 “数千种组合”里下一个要谈的最佳点,可以在“几分之一秒”内做出决定。
在有些情况下,这些信息是提供给客户服务代理用的。
Jermyn 表示,“然后人类接手,接手的东西包括所有那些我们无法用机器复制的技能,社会同理心、那些面对具体一个人时对特殊情况的理解以及什么对他来说是重要的什么不重要、他的情绪状态是什么等的判断等等。“
他表示,“我们真正做的是为我们人类腾出更多时间来做那些真正重要的事情、做人类真正擅长的事情,目的是让每个人都受益。”
他还表示,“可以说,CEE指出了行业中人工智能该做的事情的最佳实施方向。”
在其他的一些情况下,CEE可用于 “智能警报”。
Jermyn给出了联邦银行日常沟通的一个例子,是个智能手机的通知,内容为,“提醒:您的个人贷款还款将在7天后到期。请不要忘记过数以免交付额外滞纳金。”
Jermyn 表示,“我们看到的最大差异高达400%,这时我们开始思考我们该如何决定提出来、对谁提出来、何时以及在什么情况下提出来。”
联邦银行还利用人工智能帮助分析客户对财务状况的认识。
Jermyn 表示,“一个组织里人工智能的道德实施的第二个阶段不仅仅是做你认为是正确的事情。而是要知道你正在做的事情是正确的,是可以适当度量的。”
联邦银行基于现有的研究做了人们对财务福祉的认识方面的工作。联邦银行利用对客户的金融交易和其他指标的了解发现,现实比人们的看法更极端。
一方面,9%的人表示他们的财务状况有问题,但根据联邦银行的一些指标该数据达18%。另一方面,12%的客户表示他们的财务状况很好,但联邦银行认为实际上有15%的客户的财务状况很好。
我们可能会觉得,对财务状况看法影响最大驱动因素是工资和收入。但联邦银行发现,影响客户看法的因素最多的是行为模式,包括支出和储蓄模式以及他们如何管理自己的资金。
Jermyn 表示,“行为模式是这一块的全部。”
Jermyn 还表示,“对我们来言,人工智能最令人兴奋的一个方面就是人工智能实际上可以令我们为我们的客户获取更好的结果。”
他表示,“若无人工智能,我们就无法做到这一点。根本不可能的。”
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。