在快速发展的 AI 领域中,从传统的生成式 AI 模型向主动式 AI 系统的转变,标志着全球企业发展的关键时刻。
根据 theCUBE Research 最新分析,在"AI 的下一个前沿"播客中,SiliconANGLE 和 theCUBE 的 George Gilbert 与节目主持人 theCUBE Research 的 Scott Hebner 一起,为理解和引导向主动式 AI 发展的进程提供了重要见解。
"60年来,我们一直通过手动编写规则来构建软件应用程序," Gilbert 说。"主动式 AI 从根本上改变了这一范式,使软件能够自主学习业务流程规则。"
理解主动式 AI
据 Hebner 介绍,主动式 AI 代表着一次变革性的飞跃,超越了生成式 AI 模型的任务导向特性,朝着能够自主决策和推理的目标驱动系统迈进。与基于生成式 AI 的助手不同,主动式代理具有明确的目标,能够理解任务及其更广泛的背景、推理路径和行动后果。
"基于生成式 AI 的助手是任务导向的:给它们一个提示,它们就执行任务," Hebner 说。"但代理能够帮助用户理解并实现特定目标,模拟精确的事件链和结果。"
攀登阶梯:通往主动式 AI 系统的四个阶梯
1. 领域知识 这个旅程始于将 AI 系统植根于特定的领域知识。企业必须对大语言模型进行微调并整合结构化的领域特定数据,使 AI 能够理解金融、医疗或零售行业独特的语言和关系。
2. 决策智能和可解释性 第二阶梯将决策智能整合到 AI 模型中,增强其推理能力。思维链、语义推理和因果 AI 等技术使系统能够分析因果关系并透明地解释其推理过程。
3. 构建 AI 代理 建立领域知识和决策智能后,企业必须选择适当的平台或集成开发环境来构建或获取定制的 AI 代理。
4. 主动式 AI 系统和网络 最后一个阶梯是将各个代理连接成一个有凝聚力的、目标驱动的主动式网络。
持续学习循环 学习循环是将这些阶梯连接在一起的关键组件。这个循环通过利用多代理强化学习和反馈机制确保持续改进,不断完善代理及其底层模型。
战略性渐进之旅 采用主动式 AI 将是一个渐进的过程。企业无需一夜之间彻底改变现有基础设施,而是逐步整合主动式功能。
随着企业向主动式 AI 系统迈进,理解这个结构化的阶梯和它支持的持续学习循环至关重要。那些战略性地拥抱这种演变的企业将引领下一个 AI 驱动转型的时代。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。