2022 年,疫情和供应链危机这类不利因素将持续,AI领域将会涌现各种新的用例和创新,以应对各项挑战,例如取得消费者对AI的信任,应用先进技术解决气候变化带来的问题等。基于此,IBM专家团队针对 AI 做出以下五大预测。
1.AI 将推动更为个性化的客户服务。
疫情期间,虚拟助理成为大型企业和政府机构的重要工具,它们不仅是传播信息的重要途径,我们还开始看到,通过自动化集成,虚拟助理能够完成诸如疫苗接种预约之类的工作流程和任务。
2022 年,随着 AI 对客户服务体验的影响持续加强,消费者将会发现,自己能够与心仪的零售商和服务提供商进行更为个性化的全方位互动。
个性化体验爆炸式增长的原因是什么?随着企业和政府机构开始使用数据经纬(Data Fabric) 架构,使得数据在整个企业范围的可视性和可用性增强,从而使企业和组织能够更轻松地访问更为全面的数据,并加以利用。
由于传感器、RFID 标签、计量表、致动器和 GPS 等设备源源不断地产生的数据流,仓库可以自我盘点库存,集装箱能够检测自己装载的物品,托盘能够在被放错位置时及时报错。
与此同时,预测性维护能够减少零部件和设备的更换需求,AI 可以分析风暴和野火的卫星图像……所有这些技术,都将在帮助企业和组织应对越来越频发的恶劣天气事件方面发挥关键性作用。
2.AI 将助力创造一个可靠、可持续的未来。
消费者、监管机构和股东都在给企业施加越来越大的压力,要求他们在可持续发展方面取得切实的成果。气候变化和极端天气事件也增加了供应链和业务运营的压力。
预计这些压力会在 2022 年持续增加,而 AI 可提供更准确的计量、数据收集与碳核算,并且提高预测能力和供应链弹性,将在帮助企业实现可持续性目标方面发挥关键作用。
企业将通过对AI 赋能的自动化进行投入,使支撑业务的系统可以更加快速和高效地运行,从而缓解供应链中断的问题。
3.2022 年是 5G 的关键之年。
5G 连接将极大推动各行各业的创新发展,包括流媒体、通信、先进机器人和制造等众多行业。当今的电信网络复杂程度高、变化速度快,导致基础设施的管理和控制极具挑战性。很明显,目前用于管理网络的工具、系统和方法根本不适合未来的网络。
为了推动 5G 连接在全球的普及,通信服务提供商开始使用 AI 赋能的自动化和网络统筹技术,来改善网络的控制与管理,打造更快捷的客户体验。
诸如网络切片之类的创新成果使企业能够为每个不同的设备设定与其网络用途相一致的服务级别,例如,用于支持自动驾驶汽车的 5G 连接要求延迟非常低,其高清摄像头则需要分配较高的带宽。
4.企业将应用 AI来更加有效地预测和防范 IT 问题。
2021 年,CIO的工作任务包括实现员工的远程工作,管理由此而产生的新型安全问题,理解现代应用所产生的爆炸性增长的数据,并让这些数据发挥作用,此外,他们还要负责监控员工和消费者日益青睐的数字解决方案、渠道和工具。
对那些有兴趣采用自动化技术的企业而言,这些状况不仅推动他们进一步采取措施,同时促使他们更积极主动地应用 AI来更好地预测 IT 问题——这就是所谓的 AIOps。
AIOps 支持企业 IT 团队主动管理复杂的工作环境,从而节省大量成本。
在 2022 年,与人工方式相比,AIOps 能够帮助 IT 团队更加快速而自信地诊断问题,把他们从繁重耗时的任务中解放出来,集中精力从事能为企业创造更高价值的工作。
“零信任”框架可供企业对其总体安全计划进行现代化改造,以适应其多变的业务环境中新出现的各种风险。随着企业不断增加其网络中终端的数量,并扩展其基础架构以包含基于云的应用和服务器,这种方法的重要性也与日俱增。
5.将持续关注安全问题。
为了推动 AI 继续发展,企业和组织需要赢得消费者的更大信任。
这需要从多方面入手,包括确保 AI 决策是可理解、可解释的,从而使消费者相信他们的个人数据始终受到保护,不会受到网络攻击。
随着企业和政府机构继续对网络安全进行投资,加大零信任方法的使用力度以进一步降低风险,AI 将在帮助他们更有效地发现和应对威胁方面,发挥更关键的作用。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
延世大学研究团队通过分析AI推理过程中的信息密度模式,发现成功的AI推理遵循特定规律:局部信息分布平稳但全局可以不均匀。这一发现颠覆了传统的均匀信息密度假说在AI领域的应用,为构建更可靠的AI推理系统提供了新思路,在数学竞赛等高难度任务中显著提升了AI的推理准确率。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
蒙特利尔大学团队发现让AI"分段思考"的革命性方法Delethink,通过模仿人类推理模式将长篇思考分解为固定长度块,仅保留关键信息摘要。1.5B小模型击败传统大模型,训练成本降至四分之一,计算复杂度从平方级降为线性级,能处理十万词汇超长推理,为高效AI推理开辟新道路。