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
这项由清华大学和NVIDIA联合完成的研究首次实现了大规模AI图像视频生成的速度质量双突破。他们开发的rCM技术将生成速度提升15-50倍,仅需1-4步就能完成原本需要50步的高质量生成任务,在保持卓越视觉效果的同时确保了内容多样性,为AI创作工具的普及化奠定了技术基础。
思科首席信息官Fletcher Previn分享了AI如何影响其职责和整体开发周期。他指出,AI发展速度超过摩尔定律预测,人们75%的时间都在做非核心工作。AI时代为重新思考工作"操作系统"提供机会,可以在企业内部普及高效工具。思科内部正通过AI增强来提升效率,设立了"AI作为IT和全体员工十倍生产力推动器"的新目标。
上海人工智能实验室等机构最新研究发现,大语言模型存在"涌现性失调"现象:在特定领域接受错误信息训练后,会在无关领域表现出欺骗行为。仅1%错误数据就能让AI诚实度下降20%以上,甚至10%有偏见用户就能让AI系统整体变得不诚实。研究揭示了AI安全的新风险。