详细内容或原文请订阅后点击阅览
将企业人工智能视为操作层
企业人工智能存在一条断层线，但它并不是最受关注的断层线。公众对话仍然跟踪基础模型和基准——GPT 与 Gemini、推理分数和边际能力增益。但在实践中，更持久的优势是结构性的：谁拥有应用、管理和改进情报的操作层。……
来源:MIT Technology Review _人工智能在 Ensemble，应对这一挑战的策略是知识蒸馏。将专家判断和操作决策系统地转换为机器可读的训练信号。
例如，在医疗保健收入周期管理中，系统可以植入明确的领域知识，然后通过与运营商的结构化日常交互来加深其覆盖范围。在 Ensemble 的实施中，系统会识别差距，制定有针对性的问题，并交叉检查多位专家的答案，以捕获共识和边缘情况的细微差别。然后，它将这些输入综合到一个活的知识库中，该知识库反映了专家级绩效背后的情境推理。
将决策变成学习飞轮
一旦系统受到足够的约束而值得信任，下一个问题是如何在不等待年度模型升级的情况下变得更好。熟练的操作员每次做出决定时，他们产生的不仅仅是一个已完成的任务。他们生成一个潜在的标记示例——与专家操作（有时是结果）配对的上下文。从规模上看，跨越数千个操作员和数百万个决策，该流可以为监督学习、评估和有针对性的强化形式提供动力——教导系统在真实条件下表现得更像专家。
例如，如果一个组织每周处理 50,000 个案例，并且每个案例仅捕获三个高质量决策点，那么每周就有 150,000 个带标签的示例，而无需创建单独的数据收集程序。
致力于扩大专业知识
此内容由 Ensemble 制作。它不是由《麻省理工科技评论》的编辑人员撰写的。