人工智能对商业最重要的贡献是什么?
问十个人,你可能会得到十个不同的答案。但有时,我们可以通过那些多年来一直站在第一线的人的演讲,了解到这项技术将如何发挥作用。
创新的历史
Ed Baker 就是这样一个人。他于 90 年代末在哈佛大学开始求学,后来在斯坦福大学完成研究生学业。他曾在 Facebook 和 Uber 工作,后来还参与了一个名为 Whoop 的健身应用项目。他创立了 Friend.ly 和 Datesite.com,还开发了一款让人们可以"发送热度"来评价朋友和同学的应用。
在这个过程中,他学到了很多关于用户参与度、转化率以及他称之为"病毒循环"的东西。
在最近的一次 TED 演讲中,Baker 回顾了他大学时期的一些创作,主要是约会网站和社交应用(见下文)。
他指出,某些指标可以向利益相关者展示他们的创新如何在受众中流行起来。比如 K 因子,以及详细分析生命周期活动,显示有多少用户转化为二次参与。
反过来,企业可以利用这些数据来制定更好的产品和服务交付及销售策略。
试错和文化倾向
在描述如何衡量客户参与度时,Baker 给出了两个商业决策的例子,这些决策将平淡无奇的结果转变为更显著的成功。
第一个例子是 Facebook 在日本的受众群,他说人们就是不邀请彼此加入。
当他们深入研究这个问题时,发现日本文化对邀请有一种负面看法。因此,正如他指出的,他们改变了文案,参与度就飙升了。
第二个例子是 Uber 在印度的活动,显示用户不愿意输入信用卡信息。当 Uber 更改表单以允许现金支付乘车时,数字大幅上升。
人工智能分析可以提供帮助
这与 AI 有什么关系呢?
嗯,如果没有集中的人为决策以及随之而来的研究和探索,这些成功就不会实现。必须有人弄清楚为什么人们不愿意转化,并尝试修复。另一方面,人工智能可以在完全没有人为参与的情况下做到这一点。
未来的程序将能够进行所有这些调整,不断尝试新事物、新角度和新方法,并找出哪一个更成功。它可能不会像人类那样有所顾虑,就像 Baker 引用 Uber 的 CEO 在一次成功的尝试后据称说的那样:"我既恨你们,又爱你们",指的是团队的冒险精神。
有了 AI,就不会有任何犹豫去尝试新事物。
事实上,你可以说企业多年来一直在这样做,以 A/B 测试的形式。A/B 测试是营销人员采用两种不同的结果并衡量其成功率的方法,它以一种以前未明确表达的方式鼓励这种探索。
换句话说,A/B 测试为接触式营销带来了一定程度的复杂性。
AI 将在所有行业和业务层面上做同样的事情。它将以重大而深远的方式改变游戏规则。这与 Baker 对参与度的解释有关——它建立在人类行为的复杂因素和倾向之上。如果我们有 AI 来为我们解决所有这些问题,我们就不需要成为焦点小组专家。我们只需要知道如何使用这些工具,然后就可以坐下来观看它们施展魔法。
好文章,需要你的鼓励
SAP S/4HANA内存ERP系统推出十多年后,95%的传统用户表示构建积极的迁移案例需要巨大努力或面临真正挑战。一项涵盖455名CIO、高级IT角色、SAP专家和业务经理的调查发现,83%的受访者不完全理解SAP最新的迁移政策和截止日期,84%对当前信息传递及其对运营的影响表示担忧。SAP为传统ECC系统设定了激进的支持截止日期,主流支持将于2027年结束。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
微软通过其Planetary Computer平台将NASA的Landsat和Sentinel-2卫星数据集引入Azure云服务。该数据集包含来自NASA的Landsat 8、9号卫星以及欧洲航天局Sentinel-2系列卫星的地球监测数据,为气候变化、土地利用、农业应用等研究提供宝贵资源。用户可通过API或Azure存储直接访问这些PB级全球环境数据。微软还建议研究人员使用Azure OpenAI服务创建智能应用,结合AI技术进行土地分类、植被监测、森林砍伐趋势分析等地球观测研究。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。