详细内容或原文请订阅后点击阅览
锯齿状的情报，锯齿状的采用
人工智能的采用参差不齐，不是因为模型的进展不平衡，而是因为生产系统不平衡。在企业解决束缚其工作流程的组织、数据和治理约束之前，人工智能的变革潜力将继续断断续续地显现出来，而不是平滑的扩散曲线。《锯齿状智能、锯齿状采用》一文首先出现在美国企业研究所 (AEI) 上。
来源:美国进取研究所信息在本周的达沃斯论坛上，谷歌 DeepMind 首席执行官 Demis Hassabis 就他认为人工智能在未来几年将采取的道路发表了精彩演讲。虽然哈萨比斯认为该工具将带来彻底的变革，但他仍然警告说，这些模型有“它们擅长和不擅长的锯齿状边缘”。哈萨比斯的评论是对人工智能先驱安德烈·卡帕蒂（Andrej Karpathy）的致敬，他创造了“锯齿状智能”一词来描述先进模型的不均匀输出。在某些领域，他们有超人的表现，而在其他领域则无能。
同样，人工智能模型的采用也将是参差不齐的。现实世界的工作流程受到瓶颈的限制，其中一个薄弱环节可能会破坏整个流程的价值。如果其余的人工任务变得更重要、更耗时或更难自动化，那么孤立地自动化一项任务通常效果甚微，甚至可能适得其反。因此，人工智能的采用不太可能顺利进行。相反，公司可能会停滞很长一段时间，然后一旦有足够的补充部分到位以消除瓶颈，就会迅速采用。
关于这些瓶颈的最佳调查之一来自人口普查管理和组织实践调查 (MOPS)，克里斯蒂娜·麦克埃尔赫兰 (Kristina McElheran) 本月早些时候在联合社会科学协会 (ASSA) 的演讲中分析了该调查。企业面临的两个最大的限制是人工智能采用的成本和寻找商业案例的成本。
不过，这些数据来自 2021 年：ChatGPT 上市之前。为了更好地了解当前正在发生的事情，我收集了去年的一些商业调查，向专业人士询问了人工智能的瓶颈、使用情况以及他们从该技术中体验到的生产力提升。
也就是说，采用率和盈利能力之间的差距很难忽视。
利润差距尤其明显：