当收到百分点集团发布中国首个行业AI决策系统产品Deep Matrix 的邀请函的时候。瞬间脑洞大开。哇,AI决策?是不是人工智能能够开始自己判断自己做决策了?有一天是不是会认为“人”这个生物太差了,以后不需要 “人”来做出决策了? 带着这种兴奋,参加了新产品发布会。
仔细聆听之后,发现未来还真有可能。
至顶网记者首先分享一下百分点集团董事长兼CEO苏萌博士、包括百分点集团技术副总裁及首席架构师刘译璟传达了几层信息。
首先,大数据、人工智能让企业在进化,从劳动密集型、资本密集型向数据密集型、智能密集型新物种企业进化。企业在进化,同样人类所有的决策将会不可避免的依赖机器智能。
其次,搜索现实世界成为可能。百分点有个愿景就是打造一个可以分析现实世界的系统。以前通过搜索引擎只能搜索文字、图片等,今后通过采集器,可以直接搜索到现实中实物投影。
第三,人工智能开始了从执行到决策的转变。就是以前你让他干什么它干什么。现在它会自己决定干什么。
那么未来AI的进化是什么方向?今天我们谈的AI主要是提高对数据的感知和认知能力。通过物联网技术、机器视觉以及语音识别等可以实现对信息的感知。之后Google发表了关于知识图谱的论文,通过自然语音处理技术、知识图谱技术以及逻辑推理等技术,实现了对信息的认知。那么AI如果一直停留在感知和认知层面,是不是还欠缺点什么?那么“智”这个字在人工智能里面的含义是什么?当AI能意识到自己可以解决问题的时候,是不是就是“智”的体现?百分点认为,让AI实现解决问题的核心是首先让AI具备决策的能力。
就是“智能决策”。因为目前还没有对“智能决策”有一个定义,因此,百分点整个科学团队对此作了定义“智能决策”就是“在动态和多维信息收集的基础上,对复杂问题自主识别、判断、推理,并做出前瞻性和实时性的决策过程,同时具备自优化和自适应的能力。”
对于这个定义,我怎么看都觉得比“人”厉害。如果我没有记错,在演讲中,百分点集团董事长兼CEO苏萌博士说了一句话,AI决策系统的发布是公司迈出的一小步。如果为了AI能够自己做决策,那么这一小步可是意义非凡的。
那么AI决策到底到哪一步了?AI决策了,人做什么?当我把最开始的疑问抛给了百分点集团技术副总裁及首席架构师刘译璟的时候,他的回答是这样的。
首先是人机共生时代带来,目前人类做的事情是对一件事情进行评估,并确定一个目标。进行目标设立,进行假设等。AI做的事情是信息采集、方案生成、问题识别以及结果预测。
如果把决策分为三大类,战略级别的,战术级别的,运营级别的,人类做的是典型的战略级别的事情。比如中国是汽车拥有量最多的国家,国家有一个国家质监总局有一个汽车缺陷产品管理中心,它负责的事情就是决定哪款汽车是否该销毁,这是非常难做的决定。这个思考过程是人类考虑的战略问题。AI决策就是在战术级别、运营级别完全实现自动的,比如智能决策,通过大量的数据采集,通过机器和智能的知识图谱体系,来学习过去几十年里专家如何来决定一款汽车产品的缺陷严重不严重,国家是否应该启动对它的召回调查,而且在不停地学习,把人脑里的知识和更广泛的计算机获取的数据进行结合,以及结合这些专家的知识和决策的经验。
优势就是以前需要每个季度把过去的这些专家们会商的制度召在一起,用两到三天的时间用人脑评比所有的信息,它的效力很低,今天通过AI决策可以随时来做一个智能的召回判断,时间仅用两个小时,从两百个小时缩短到两个小时。而且从之前的15个人到现在1个人+机器就能做。这就是AI决策。
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
中科院联合字节跳动开发全新AI评测基准TreeBench,揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法,通过要求AI同时给出答案和精确定位,实现真正可追溯的视觉推理,为构建更透明可信的AI系统开辟新路径。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
PyVision是上海AI实验室开发的革命性视觉推理框架,让AI系统能够根据具体问题动态创造Python工具,而非依赖预设工具集。通过多轮交互机制,PyVision在多项基准测试中实现显著性能提升,其中在符号视觉任务上提升达31.1%。该框架展现了从"工具使用者"到"工具创造者"的AI能力跃迁,为通用人工智能的发展开辟了新路径。