销售行业中有一句广为流传的话:“不要卖牛排,要卖香味!”
这是在上世纪30年代中期由埃尔默·惠勒提出的概念,目的是让潜在客户关注产品的华丽特点,即“惊叫(wow)”因素。
最近,人工智能(AI)给我们带来了很多惊喜,尽管这项技术已经提出多年,但现在的领导者们越来越关注“惊叫(wow)”背后的“为什么”。
释放价值
麦肯锡最近的一项全球研究显示,55%的公司报告称,他们的组织已经应用了人工智能技术,主要用于产品开发或服务运营。对很多人来说,人工智能已近成为推动各行各业转型的引擎,提供了以往难以想象的预测洞察力、自动化和决策能力。
然而,麦肯锡在他们对人工智能应用的建议中给出了一个有趣的警告:
“我们一个一致的发现是,工作能力更强的人对成功所需的人工智能持有更乐观的态度。他们尤其关注人工智能的应用价值,通过重塑他们的组织来获得这样的价值。他们正在评估和测试通过使用现有人工智能服务带来的效率和速度,并开发能力来创造竞争优势,例如通过使用自己的专有数据来调整模型并训练它们。”
这种价值观是一次关键的思维方式转变,将数据和人工智能重新定义为等待人类智慧释放真正潜力的工具。人类以创造力和同理心为独有特性,这些也是人类区别于机器的关键银簇。
以Airbnb为例,它在从初创公司发展成行业巨头的过程中,通过专注于人类对连接的渴望而取得了巨大的成功。他们利用数据了解旅行者的偏好,并结合人类驱动的体验,创造出了自己的独特性。
人机协同
对于一些领导者来说,或许会被不那么明确的美好未来所迷惑,而忽视了公司的成功,这取决于公司管理者,而不只是产品和流程。
也就是说,真正有远见的管理者总是将自己置于他们的业务战略中心,将技术视为一种促进因素而非解决方案。当我们在数据、人工智能和人类创造力之间实现协同时,真正的魔力就会展现出来,这是可持续创新新的三角形。
可持续创新并不意味着你设法让一个创新的想法在一段时间内持续下去,而是一个持续改进的过程。跨行业和领域的沟通是这个过程的重要组成部分,通过分享见解和最佳实践,我们可以创建符合所有人利益的解决方案。由微软、Adobe和SAP领导的开放数据倡议就体现了这种合作精神,赋予企业从数据中获得更多价值的能力,并促进更加互联的数据格局。
以下是人类创造力为可持续创新增加价值的其他方式:
第一,弹性和适应性。
根据埃森哲的数据显示,90%的企业领导者正在应用人工智能来应对运营弹性面对的各种挑战,包括利用技术预测市场变化、优化供应链和调整业务策略。
除了这些前瞻性能力,人工智能还通过帮助在网络攻击、软件故障或极端天气等事件中维持运营,来提高公司当前的业务弹性。
然而,弹性和适应性是有区别的,即使是人工智能也无法预测未来。虽然它在基于“已知-已知”和“已知-未知”模型的情景建模方面表现出色,但人工智能缺乏数据输入来应对“未知-未知”,即需要人类想象力来解决随机复杂问题。
通过将人工智能的力量与人类解读结果以独特的方式相结合,组织将能够更好地应对未来的挑战。
第二,环境保护。
大数据和人工智能为减少有害排放和缩小公司碳足迹提供了变革性机会。
全球各大公司已经在分析能源消耗模式和改善资源配置方面取得了显著进展。例如,谷歌已经优化了其用水方式,雀巢正在将二氧化碳转化为绿色产品,沃尔玛正在用人工智能技术帮助减少食物浪费,这些都是通过数据和人工智能实现的。
然而,纽约时报指出,到2027年,人工智能服务器每年可能会消耗85-134太瓦时(TWh)的电力,这相当于阿根廷、荷兰和瑞典每年的用电量。
因此,虽然人工智能有能力优化能源使用,但所需的能量可能会抵消任何积极影响,这就是人类发挥作用的地方,主要是通过克制的心态。
加利福尼亚州州长加文·纽森刚刚签署了两项重要的气候披露法律,要求私营公司每年报告其碳排放和能源使用情况,为更多的监管奠定了基调。这是一个关键的例子,说明如果创新要在长期内可持续发展,人类必须继续参与其中。
第三,负责任的创新。
在我们应用大数据和人工智能技术时,不仅要追求业务增长,还要以尊重个人、社会和我们生活的环境的方式来实现增长。
联合国教科文组织是AI伦理全球标准的制定者,该组织指出,源自人工智能的快速变化可能会强化偏见、威胁人权,并对已经处于边缘化的群体造成进一步伤害。
我们对抗这些威胁的最佳防御是我们自己的人类同理心,确保我们始终努力以目标为重,而不是以利润为重。
人类帮助促进负责任的AI创新的其他方式包括:
雇用多样化的领导者和专家来帮助识别数据中的潜意识偏见;
监控生成性AI内容,确保其不含任何冒犯性材料或有害指导;
验证数据来源,确保AI从可信输入中学习;
制定明确的指导方针和治理(自上而下),共同负责保护敏感客户信息;
提升我们的劳动力技能,弥合数字鸿沟,并保护他们不被大规模自动化所取代/替代。
持续创新,保持初心
在很多方面,创新是逐渐发生,然后突然爆发的,会经历发布、演示、更新、更快、更好的发展过程。
人类很容易被华丽的特点所分散注意力,但作为领导者,必须谨记,我们有责任过滤噪音,专注于实质。
真正的挑战不在于我们获得正确技术的能力,而在于我们如何将技术与定义我们作为人类的永恒品质相结合。
正是在这种平衡中,我们将开辟通往可持续创新的道路——一条不断丰富我们的产业、赋予我们力量,并为后代留下宝贵遗产的道路。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。