三星本周发布新款手机,据称是有史以来AI渗透度最高的手机产品。请注意,这不是猜测——千万别误以为这是CES 2024大会上那种屡见不鲜的“把ChatGPT塞进去”的操作。三星正在以振聋发聩的声量向全世界宣布,这次的新品真的有份量、有来头。而且根据本周Galaxy Unpacked活动上的展示情况来看,跟在洗衣机上装ChatGPT那种胡闹行为不同,AI加持下的三星手机确实大有潜力。
AI技术的浪潮全面兴起于2023年,但对于我们日常生活中最重要的组成部分——手机,目前似乎还没有理想的结合方案。这也是AI技术的一大现实难题:用于支持ChatGPT等聊天机器人的大语言模型还无法运行在我们的手机上。虽然用户可以下载ChatGPT应用来调用云端查询资源,但此类服务却无法提醒我们刚刚收到一封重要邮件。好在情况正慢慢发生变化 :去年10月上市的Pixel 8 Pro已经能够在本机上运行谷歌基础模型,并承诺后续会进一步提供AI驱动更新。不过总体来讲,当前能够本机支持AI的设备还很有限,功能表现也平平无奇。
12月的软件更新添加了用AI总结Recorder记录的功能——我立刻体验了一下,因为自己平时也正好在使用Pixel Recorder应用。结果证明,其无法处理大段录音,一切超过10分钟的素材都不受支持。换言之,我的大部分录音都被排除在了适用范围之外。Video Boost也在此次更新中获得增强,新功能名为Night Sight夜视。视频的处理效果不错,但在静态照片上的表现相对差些,而且用户往往需要等待一、两个小时才能看到云端处理完成的视频。
尽管好消息不多,但也有不少前景光明的探索仍在继续。在去年年底的Pixel发布会上,谷歌宣布推出Assistant with Bard——这是一款ChatGPT风格的AI聊天机器人。Bard在当前的AI领域虽然不算绝顶高手,但至少一直在稳步发展并充实更多有用功能,相信它的介入能让AI助手在以往的设置闹钟和日历之外,给用户带来更多便利性体验。而且在三星Unpacked活动上的预告片当中,似乎也出现了Bard的身影。
那么,Galaxy S24系列手机会不会搭载某种定制版Bard?如果真是如此,那Bixby的命运又将如何?你可能还记得Bixby,我们实在很难想象谷歌会愿意在竞争对手的手机上搭载自家AI成果。但话又说回来,三星的Android手机销量远超谷歌,AI时代的降临很可能会让这些亦敌亦友的巨头成为更亲密的合作伙伴。
这款橙色AI小装置之所以引发人们的广泛关注,靠的就是把用户从手机上解放出来的承诺。
AI显然还能在我们的手机上做得更多,而迄今为止在未来愿景上思路最清晰的并不 谷歌或者三星。具体来讲,这个更接近正确答案的选项压根不是一款手机,而是Rabbit R1——CES 2024上最具突破性的热门产品。作为一款由Teenage Engineering设计的小装置,它负责充当手机的AI助手。用户需要授予它访问自己应用和账户的权限,之后就能要求它执行航班查询、外卖预订之类的日常操作。据称,它根本不需要开启应用或者点击菜单,就能帮助用户完成种种繁琐的操作。干得漂亮!
哪怕未来可能被并入手机之内,仍然无法掩盖这款产品的光辉。至于人们是否真的愿意用AI来管理自己的数字生活?每周数万的R1订单量也许已经给出了答案。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。