目前,许多领导者对其组织的生成式人工智能专业知识充满信心。44%的受访者认为其组织目前在生成式人工智能方面拥有很高(35%)或非常高(9%)的专业知识水平。
相对于其他受访者,那些将其组织的整体生成式人工智能专业知识评为“非常高”的领导者往往对这项技术感到更加积极;他们也感受到更大的压力,并将其视为对其业务和运营模式的更大威胁。
当前的生成式人工智能努力仍然更多地关注效率、生产力和降低成本,而不是创新和增长。大多数接受调查的组织目前的目标是战术效益,如提高效率/生产力(56%)和/或降低成本(35%)。此外,91%的受访者表示,他们希望生成式人工智能能够提高组织的生产力,27%的人希望生产力能大幅提高。
大多数组织主要依赖现成的人工智能解决方案。与他们目前强调生成式人工智能的战术效益相一致,绝大多数受访者目前依赖于现成的解决方案。
人才、治理和风险是缺乏生产性人工智能准备的关键领域。在最初的季度调查中,41%的领导者表示,他们的组织只是稍微或根本没有准备好解决与生成式人工智能采用相关的人才问题;22%的人认为他们的组织准备得非常充分。
领导者正在寻求更多的全球监管和合作。在打破传统商业规范的情况下,与生成式人工智能相关的独特风险促使许多商业领袖呼吁加强政府监管,并加强围绕人工智能技术的全球合作。
以下是《2024年美国生成式人工智能报告》部分内容:





好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。