硅谷关于类人工通用智能可行性的争论忽略了一个关键点:真正的超级智能不会在我们的手机中出现,而是在企业系统中诞生。AGI竞赛的方向可能是错误的。
当今的基础模型虽然令人印象深刻,但本质上仍是被动的。它们是复杂的自动补全系统,能够响应提示,但无法自主运行真正的业务功能。企业环境是真正机器超级智能的完美试验场,一些人现在称之为企业通用智能(EGI)。
EGI是先进AI的优质试验场。与混乱的现实世界不同,企业系统在人类设计的参数内运行,其因果关系是工程化的,而非推断出的。从医疗信息系统到供应链管理和云编排,这些环境提供了当前AI实际能够掌握的结构化复杂性。
智能体的关键优势
实现EGI的关键飞跃不是更好的语言模型,而是能够设定目标、规划行动并在企业系统中执行的智能体AI,无需持续的人工监督。例如,EGI不仅会分析公司的供应链中断,还会自动重新路由订单、更新库存预测、重新谈判供应商合同并通知利益相关者,同时在每个步骤中记录其推理过程。
它会根据用户反馈随时间构建、增强和修改其元素。例如,EGI系统如果意识到自己缺乏特定的推理能力而需要应用程序编程接口,它会自己构建API。
EGI需要五个核心能力:自主目标分解和规划;跨异构平台的持续系统状态感知;多系统动作选择和验证;AI就绪的企业生态系统,包括数据和API;以及构建跨企业术语统一理解的组合推理能力。第六个基础能力是随时间持续的强化学习。
技术挑战虽然巨大,但比通用AGI更容易解决。EGI需要从静态提示转向实时系统集成,从文本生成转向多系统编排,从人工验证转向基于预定义人工生成规则和护栏的自主错误纠正。
人类仍然至关重要
早期EGI能力已经显现。自主智能体和辅助工具正被部署以支持企业员工,暗示着跨应用智能,并提供了自主客户关系管理的glimpse。但这些仍然是未来可能成为综合企业超级智能的狭窄应用。
在未来完全成型的EGI中,人类将与EGI合作,担任其创造力源泉、判断仲裁者、审计员和风险缓解保证人。EGI将为人们提供更多创造性能力来与客户和利益相关者互动,并构思新的EGI可以解决的体验。
在具有持续学习和发展能力的企业环境中,各种角色和各个专业经验水平的人员都将拥有定制的学习路径。他们将持续学习新技能,发现新机遇,并与管理EGI系统和新形式的智能自动化保持同步的共生协作。
商业影响
对企业软件的影响是深远的。实现EGI级别能力的公司不仅会构建更好的软件,还会创造自主商业智能,这种智能比任何单个人类都了解更多,并能实时基于这些知识采取行动。基于被动工具的传统企业软件将面临同样的颠覆,就像自互联网诞生以来使一些传统行业领导者变得冗余一样。
真正的信号不仅仅是消费者AI用例或采用指标,而是在业务运营中展示真正自主性的企业AI。对于商业领导者来说,问题不是是否采用AI,而是您的组织是否会被真正智能的系统增强,还是仅仅被复杂工具辅助。
前进之路
我们正在接近一个拐点,企业系统将成为真正的智能智能体,而不是被动的数据库和工作流程。早期认识到这一转变的公司将定义下一个商业时代。
超级智能革命不会通过关于意识的哲学辩论或病毒式消费者应用到来。它将在企业后台办公室悄然出现,做出数百万个自主决策,这些决策共同展示出远超人类能力的智能。
这种转变比大多数人意识到的更近,其影响将比任何理论上的AGI突破更加直接。问题不是机器是否会变得超级智能,而是企业是否会成为以良好管理和战略方式利用这种智能的先驱者之一,还是最后才认识到它已经到来的企业之一。
Q&A
Q1:什么是企业通用智能EGI?
A:企业通用智能是指能够在企业系统中自主设定目标、规划行动并执行的AI系统,无需持续人工监督。它不仅能分析问题,还能自动执行解决方案,如重新路由订单、更新预测、谈判合同等,并记录推理过程。
Q2:EGI与普通AI有什么区别?
A:普通AI是被动的自动补全系统,只能响应提示。而EGI具有自主性,能够跨多个企业系统进行决策和执行,具备持续学习能力,甚至可以根据需要自己构建API等工具。
Q3:EGI会取代人类员工吗?
A:不会完全取代。在EGI环境中,人类将担任创造力源泉、判断仲裁者、审计员和风险缓解保证人等角色。EGI会为人们提供更多创造性能力,让员工专注于与客户互动和构思新体验,实现人机共生协作。
好文章,需要你的鼓励
大多数用户只使用计算机预装的操作系统直到报废,很少尝试更换系统。即使使用较老版本的Windows或macOS,用户仍可通过开源软件获益。本文建议通过重新安装系统来提升性能,Mac用户可从苹果官方下载各版本系统安装包,PC用户则建议使用纯净版Windows 10 LTSC以获得更长支持周期。文章强调备份数据的重要性,并推荐升级内存和固态硬盘。对于老旧系统,应替换需要联网的内置应用以降低安全风险,定期进行系统维护清理。
新加坡南洋理工大学研究团队提出"棱镜假设",认为图像可像光谱一样分解为不同频率成分,低频承载语义信息,高频包含视觉细节。基于此开发的统一自编码系统UAE,通过频率域分解成功统一了图像理解和生成能力,在多项基准测试中超越现有方法,为构建真正统一的视觉AI系统提供了新思路,有望推动计算机视觉技术向更智能统一的方向发展。
微软杰出工程师Galen Hunt在LinkedIn上宣布,目标是到2030年消除微软所有C和C++代码。公司正结合AI和算法重写最大的代码库,目标是"1名工程师、1个月、100万行代码"。微软已构建强大的代码处理基础设施,利用AI代理和算法指导进行大规模代码修改。该项目旨在将微软最大的C和C++系统翻译为内存安全的Rust语言,以提高软件安全性并消除技术债务。
芝加哥伊利诺伊大学团队提出QuCo-RAG技术,通过检查AI训练数据统计信息而非内部信号来检测AI回答可靠性。该方法采用两阶段验证:预检查问题实体频率,运行时验证事实关联。实验显示准确率提升5-14个百分点,在多个模型上表现稳定,为AI可靠性检测提供了客观可验证的新方案。