小时候,对机器人最初的印象,来自于哆啦A梦。那些年,拥有一个无所不能的“四维口袋”,是许多孩子的梦想。但后来,在玩腻了一个又一个“哑巴”机器人玩具之后,终于明白了“蓝胖子”只存在于二次元世界。
长大后,再重新认识机器人,来自于iPhone的Siri。有一段时间,和这位“私人助理”的调侃逗趣成了日常。但后来,在尝试了几次失败的指令之后,也终于不再对这个“智商有限”的语音对话系统抱有更多幻想。
而现在,由于工作的关系,慢慢对机器人(在本文中泛指所有人工智能形态)有了更系统的认知,了解了人工智能起起落落的发展史,也在深刻感受它们有形或无形地影响着我们生活和工作的方方面面。它们存在于手机里、电脑中,也遍布于各种各样的智能家居、智能设备、智能系统,可以变身电子警察、医生、金融分析师、营销能手、救灾人员,也可以是工厂车间的高产能“工人”……所有这一切,都在诠释着机器人的“无所不能”。
在本期《数字化转型方略》的“数据故事”栏目中,我们就会介绍传统药企「瑞阳制药」如何在智能设备中引入机器人、图像识别、智能网络等技术,以替代大量车间工人的重复性手工作业,实现工厂的可视化和少人化。除了一些特殊岗位无法进行机器换人,比如说药品罐装,如今瑞阳制药从洗瓶,到药品生产,再到最后装盒、装箱已经基本完成自动化改造。借此,瑞阳制药不仅降低了生产成本,还减少了车间作业中人为手工操作的错误和偏差,确保了生产质量。
机器比人更可靠,因为它们比人更少犯错——这慢慢成为一种共识。而让机器替代人工,并不只存在于工厂这样的“现实场景”,在软件系统这样的“虚拟场景”中,机器人也在贡献它们的价值。
比如,科技巨头甲骨文在前年提出的“自治”概念,讲的就是利用机器学习技术,替代过去由数据库运维人员完成的打补丁、备份、调优、修复和扩展等工作,从而减少人为原因造成的错误,并最大限度地释放运维人员的双手。在上周的2019 甲骨文全球大会上,甲骨文除了自治数据库又推出了自治操作系统Oracle Autonomous Linux,同时还把自治概念引入到OCI(Oracle Cloud Infrastructure)层面。对此,在本期方略的“技术集市”中,我们也会有详细介绍。
除此之外,从“技术集市”的其它文章中,大家也会很容易发现,包括IBM、Pure Storage、Nvidia、Salesforce等在内的老牌和新兴科技企业,都在自己最新发布的产品中融入了人工智能能力,这样的能力将给使用者带来诸多体验方面的提升。
这就是机器人在当下和未来可以为我们做的事情,可以看到,它们正在变得越来越无处不在,正在为我们解决越来越多的问题,也在留给我们越来越大的遐想空间。而对于我们,在享受其中的同时,也许还有另一件非常重要的事情要做——就是思考如何处理好与机器人的关系。
好文章,需要你的鼓励
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
甲骨文在与英国高等教育机构谈判全国框架协议前进行了Java审计要求。该协议价值高达986万英镑,相比标准商业定价可为机构节省4500万英镑。自2023年1月甲骨文推出Java SE通用订阅后,许可从按用户改为按员工收费,成本增加2-5倍。英国教育数字解决方案提供商Jisc经过18个月谈判达成此协议,为面临财务压力的高校提供定制化许可方案。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。