近几周来,"超级智能"这一术语频繁出现,它与通用人工智能(AGI)和雷·库兹韦尔早期的奇点理论密切相关。扎克伯格在8月份发表了一篇文章,讨论了实现这一目标的实际步骤。同时,Meta宣布将发布能够实时看到用户所见内容的智能眼镜,这将彻底改变人机交互界面。
**Meta Clara Shih的见解**
在斯坦福大学举办的IIA峰会上,Meta商业AI负责人Clara Shih接受了彭博社记者Shirin Ghaffary的采访。她详细介绍了Meta在超级智能领域的各项项目和团队工作。
Shih提到,Meta维护着专门的实验室来开发AI模型。Meta.ai平台目前拥有10亿月活用户,Llama模型的下载量已超过10亿次。
**小企业解决方案**
Meta正在开发"商业AI",这些"一站式客户聊天机器人"可以部署在WhatsApp、Facebook和Instagram等平台上。
对于新兴市场的企业,Shih解释道:"这些企业大多规模较小,它们在Messenger或WhatsApp上经营业务。所有客户都在这些平台上。他们上传产品目录和菜单项的图片,并不断向客户发送消息。客户也会发送消息询问产品和问题。"
AI聊天机器人将帮助自动化这些流程。"我们意识到,这些小企业无法回复每一个客户。随着业务增长,扩展变得困难。因此我们为他们提供一站式商业智能体,让他们可以委托AI回答特定主题的问题。"
在美国,情况有所不同。"美国的企业更加成熟,企业软件环境更复杂。我们正在与这些企业使用的系统集成,构建数字销售助理,服务于Meta平台(如Facebook和Instagram广告)以及商家网站。"
Shih阐述了项目的总体目标:"我们希望代表每个品牌提供个性化购物体验,并以易于访问的方式实现这一点。即使你是小企业,没有大型IT团队或开发人员,也可以在几分钟内启用这项功能。"
**商业挑战**
谈到CRM和AI智能体时,Shih提到约95%的企业AI项目会失败。
"让AI项目,特别是自主智能体发挥作用是很困难的。需要大量上下文信息,这就是为什么每个人都在谈论上下文工程。我们发现,特定领域的窄域智能体效果最好,因为你可以真正理解它,为它提供所需的数据和上下文,从而自动化你想要的规划和推理步骤。"
在谈到青少年安全时,Shih表示:"Meta非常重视青少年和儿童安全。防护措施很重要,工程师必须主动思考幻觉、用户信任和其他关键问题。"
**定义超级智能**
当被问及如何定义超级智能时,Shih回答:"超级智能是在各个领域超越人类能力的AI。这是一个非常强大的概念...AI已经在改变一切,从药物发现到物理学、化学、农业、教育。我真的认为我们正处于一个令人难以置信的时刻的边缘——Meta的愿景是赋能每个人,不仅仅是少数公司,而是每个个人甚至最小的企业。"
她还提到了企业使用Meta的"Meta Advantage+"工具,这是一个AI驱动的广告投放自动化系统。
**风险防范**
在采访结束时,谈到风险问题,Shih表示:"我认为这取决于我们自己,这回到了信任和安全的重要性。有些风险我们可以预先讨论和预测,正在进行大量工作来应对;还有些风险我们无法预测,需要保持高度警惕,一旦出现就立即采取行动。我比较乐观,因为我每天与非常聪明的人一起工作,他们在思考和处理这些问题时都很有道德感。"
这一切表明,AI在商业领域即将达到某种临界质量,不仅在商业领域,在我们的个人生活中也是如此。商业领袖正在仔细思考如何应用这些能力,以及大语言模型研究成果在未来的应用前景。
Q&A
Q1:什么是Meta的商业AI,它能为小企业提供什么帮助?
A:Meta的商业AI是一种"一站式客户聊天机器人",可以部署在WhatsApp、Facebook和Instagram等平台上。它能帮助小企业自动回复客户询问,处理产品咨询,让企业主可以委托AI回答特定主题的问题,解决小企业无法及时回复所有客户的扩展难题。
Q2:为什么大部分企业AI项目会失败?
A:Clara Shih提到约95%的企业AI项目会失败,主要原因是让AI项目特别是自主智能体发挥作用很困难,需要大量上下文信息。目前特定领域的窄域智能体效果最好,因为可以为它提供所需的精确数据和上下文,从而更好地自动化规划和推理步骤。
Q3:Meta如何定义超级智能,它将如何影响企业?
A:根据Clara Shih的定义,超级智能是在各个领域超越人类能力的AI。它已经在改变药物发现、物理学、化学、农业、教育等各个领域。Meta的愿景是通过超级智能赋能每个人和企业,包括最小的企业,让他们都能享受到AI技术带来的便利。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。