每家企业都希望提升软件交付效率,而对于FICO来说,这一目标尤为关键——因为其客户需要完成大规模的业务决策处理。
FICO是一家专注于信用评分服务的数据分析软件公司,依托大数据与算法预测消费者的消费行为。其服务广泛应用于零售、医疗、金融等行业,帮助银行、保险公司、信用卡发行机构等对客户进行综合评估与决策。
随着金融机构在信用发放等领域对消费者的评估方式日益受到关注,外界对于人为输入偏差或AI训练偏差可能引发的不公正问题,也给予了更多审视。
FICO首席产品与技术官Bill Waid近日接受了《DOS Won't Hunt》播客节目的专访,分享了公司如何通过统一DevOps模式加速软件发布,以及AI与机器学习如何助力提升软件质量。
Waid介绍,此前FICO的工程团队由多个Scrum小组组成,各自以敏捷方式独立运作。"DevOps一直是我们运营的核心组成部分,但这些DevOps职能分散在各个Scrum团队中,"他说道,"每个团队各自负责软件向生产环境的推进。"
为提升协同效率,FICO转向平台化开发模式,将核心功能与能力在不同业务场景之间共享复用。Waid指出,这一转变带来了新的挑战:"从DevOps的角度来看,作为一个统一平台,各DevOps职能需要协同运作。"为此,FICO着手推进DevOps模式的整合统一。
在AI应用层面,FICO同样走在前列。Waid表示,公司引入AI技术已有数十年历史,这使FICO得以有效应对消费市场持续涌现的海量数据。尽管此前已部署了DevOps策略,但Waid强调,更为统一的整合方式进一步帮助开发人员缩短了交付周期、提升了整体效率。
Q&A
Q1:FICO的统一DevOps模式和之前分散的DevOps有什么区别?
A:此前FICO的DevOps职能分散在各个Scrum团队中,各团队独立负责软件向生产环境的推进,缺乏协同。转向统一DevOps模式后,FICO采用平台化开发策略,将核心功能在不同业务场景间共享复用,各DevOps职能得以协同运作,从而显著缩短了软件交付周期,提升了整体开发效率。
Q2:FICO使用AI技术主要解决什么问题?
A:FICO引入AI技术已有数十年历史,主要用于处理消费市场持续产生的海量数据,通过大数据与算法预测消费者行为,帮助银行、保险公司、信用卡发行机构等金融机构对客户进行综合评估与决策。此外,AI与机器学习技术也在软件开发流程中发挥作用,有助于提升软件质量。
Q3:FICO的信用评分服务为何受到外界审视?
A:随着金融机构在信用发放等领域对消费者的评估方式影响日益扩大,外界对于评估过程中可能存在的偏差问题愈发关注。这些偏差可能来自人为输入环节,也可能源于以偏差数据训练的AI模型,由此引发了对评估公正性的质疑与审视。
好文章,需要你的鼓励
Anthropic于6月30日发布Claude Sonnet 5,相较前代Claude Sonnet 4.6在编程、推理、工具使用及知识工作方面均有显著提升。该模型可自主制定计划、使用浏览器和终端等工具,达到数月前需更大更贵模型才能实现的水平。安全评估显示其不良行为率更低。Sonnet 5默认开启自适应思维,采用更新的分词器,性能接近Opus 4.8但价格更低,现已面向所有订阅计划开放。
复旦大学联合多机构提出A2World框架,通过210万条真实机器人轨迹进行动作条件化预训练,将学到的物理动力学先验同时迁移到仿真模拟和策略控制两个方向,在LIBERO和真实机器人任务上均取得当前最优表现。
人工智能基础设施的快速扩张不仅带来总用电量激增,更在改变电网的运行特性。AI训练任务高度同步、计算密集,推理任务则分散且难以预测,两者均可在极短时间内造成电力需求骤变。数据中心的地理集中分布进一步加剧局部电网压力。现有监管框架多基于稳定工业负荷设计,难以适应这类新型需求。专家指出,电网规划需从关注总能耗转向关注需求波动性与同步效应。
同济大学研发的FLISP系统,让无人车与无人机在水电隧道中无需建图、仅靠激光雷达实时协作导航,规划延迟仅7毫秒,成功率100%。