最新研究显示,多数美国企业对生成式AI抱有期望,期望通过它提升业务效率。然而,企业领导者面临理解上的偏差、缺乏明确的战略规划和专业人才,难以充分实现和衡量该技术的价值。
研究由SAS和科尔曼·帕克斯公司合作进行,调查了300位决策者,探讨了他们的投资重点和组织挑战。发现仅10%的企业符合法规要求。研究结果将在2024年晚些时候公布,详细内容见《揭秘生成式AI的潜力与挑战:如何实现竞争优势》。
主要挑战包括:
●治理框架缺失:93%的企业尚未建立全面的生成式AI治理框架,面临合规风险。
●AI集成问题:企业在将生成式AI融入现有系统时遇到兼容性问题。
●人才短缺:企业难以招聘到具备AI技能的人才,现有员工也缺乏必要的技能。
●成本预测:大语言模型的成本高昂,包括Token成本和其他长期、复杂的成本。
SAS AI战略顾问Marinela Profi建议,企业应制定阶段性战略,重视大语言模型的整合、治理和可解释性。通过可持续和可扩展的方式应用生成式AI,以满足实际需求并保持业务相关性和韧性。
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
NVIDIA研究团队开发的OmniVinci是一个突破性的多模态AI模型,能够同时理解视觉、听觉和文本信息。该模型仅使用0.2万亿训练样本就超越了使用1.2万亿样本的现有模型,在多模态理解测试中领先19.05分。OmniVinci采用三项核心技术实现感官信息协同,并在机器人导航、医疗诊断、体育分析等多个实际应用场景中展现出专业级能力,代表着AI向真正智能化发展的重要进步。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
Salesforce研究团队发布BLIP3o-NEXT,这是一个创新的图像生成模型,采用自回归+扩散的双重架构设计。该模型首次成功将强化学习应用于图像生成,在多物体组合和文字渲染方面表现优异。尽管只有30亿参数,但在GenEval测试中获得0.91高分,超越多个大型竞争对手。研究团队承诺完全开源所有技术细节。