软 AI 的兴起及其对当今企业的意义
快速阅读: 《福布斯》消息，软人工智能通过近似推理和模式识别执行特定任务，强调适应性和类人思维。它在医疗和工业领域的应用展示出更高的精度和可靠性，适合风险敏感环境。与大规模模型不同，软人工智能更注重定制化和可解释性，推动了边缘计算的发展。这一技术有助于提升人机协作效率，为企业带来更灵活和可持续的解决方案。
软人工智能挑战了大型模型的炒作，为实际商业场景量身打造定制化智能……更多复杂性。其快速发展正在颠覆科技行业。
（照片由马瑙尔·奎恩特罗/法新社提供）
尽管科技头条继续追逐能够通过律师资格考试并撰写可接受诗歌的更大规模人工智能模型，但似乎另一种形式的智能正在悄然扎根。软人工智能——定义为设计用于使用近似推理、模式识别和灵活决策来执行特定、狭窄任务的人工智能系统——通过拥抱模糊性寻求模仿类人思维。但这对今天的商业意味着什么？为什么任何人应该关心？
**软人工智能解析**
软人工智能的核心原则反映了人类认知，基于世界并非二元论的理念。人类不会以零和一的方式做决定。我们根据不完整数据，在怀疑存在的情况下基于情境做出决定。软人工智能试图体现这种复杂性。
软人工智能解析根据格林沃斯伙伴公司首席执行官巴德尔·埃尔·朱尼迪表示——一家将人工智能应用于工业风险检测和医疗诊断的公司，“软人工智能并非意在取代人类判断；它更注重适应性、近似性和类人推理。”
格林沃斯伙伴公司首席执行官巴德尔·埃尔·朱尼迪。（照片由格林沃斯伙伴公司提供）
朱尼迪将其与具有任务驱动和目标追求的代理型人工智能相比，而不是一种更灵活的智能类型——一种衡量不确定性并像人们一样导航模糊性的系统。格林沃斯的系统整合紧凑神经网络与模糊逻辑组件，以解读真实世界的信号，允许细微差别和灵活性。
**模糊逻辑到底是什么？为什么它现在重要？**
然而，模糊逻辑只是格林沃斯方法的一部分。“我们将模糊推理与神经学习架构和自适应信号模型结合在一起，”朱尼迪告诉我，“它模拟了人类的决策过程。这在工业安全等领域尤为重要，系统必须解释嘈杂的信号并在实时响应——或者在医疗领域，早期疾病的模式可能微弱、不一致且容易被忽视。”
根据朱尼迪的说法，这是格林沃斯伙伴公司擅长的领域。他指出该公司为每个领域专门校准这些模型。“在医疗领域，我们关注生理信号随时间的变化。在工业应用中，它是环境压力、流量和振动模式，”朱尼迪解释道，“底层平台具备适应性，但数据模型是领域专用的，”他补充道。
**量身定制的人工智能系统**
软人工智能的兴起正在挑战像开放人工智能这样推动更大规模人工智能模型以期获得更好、更精确结果的传统观念。但根据朱尼迪的说法，现实情况是，在关键基础设施或紧急护理等风险敏感领域，规模并不总是带来清晰度。“在安全关键环境中，精度、可解释性和响应能力往往比规模更重要，”他说，“较小的、量身定制的系统可以通过定制、可解释和高度可靠而优于大规模模型。”
这一观点也得到了德勤2024年研究报告的支持，该研究发现42%在高风险环境中部署人工智能的组织更喜欢较小的领域特定模型而非通用模型——主要是因为它们更容易测试、验证和解释。
**超越自动化**
软人工智能并非意在取代人类判断。实际上，正如朱尼迪指出的那样，它的力量在于如何紧密地与我们合作。“伦理创新在于构建赢得信任的系统，”朱尼迪指出，“我们不是要取代人类判断；我们正在创造增强和告知判断的工具。”这也与人工智能伦理学家的观点产生了共鸣。正如斯坦福大学以人为中心人工智能研究所的计算机科学家兼联合主任李飞飞所说：“人工智能的未来不是人机对抗，而是人机共生。一起，我们可以实现无法想象的创新和进步的高度。”
**商业影响**
对于希望从人工智能中获得最佳效果的企业领导者来说，要点是下一波人工智能创新不会完全来自更大、更复杂的系统。它将来自能够更有效地适应、解释和协作的智能。
对朱尼迪而言，软人工智能为未来提供了模型，使决策更加直观，对变化的响应更快，并且更能处理不确定性。而且它做到了这一切，而不需要大规模模型所需的计算负担或能源需求——使其特别适合边缘部署。
“企业应聚焦敏捷性、跨学科协作，并营造勇于在不确定环境下决策的文化氛围，”朱尼迪建议道。
已有迹象显示这种转变正在发生。边缘人工智能——通常依赖轻量级、任务专用模型——正快速增长。全球对边缘计算的支出预计到2028年将达到3780亿美元，受实时分析、自动化及提升客户体验需求的推动。其中大部分增长是由旨在本地理解上下文的系统推动的——无需将每个决策都发送到云端。
**未来的适应性展望**
未来，软人工智能的承诺不仅仅是更好的结果。它关乎改善人类和机器之间的关系——让人类与不仅计算而且适应现实世界快速、不可预测节奏的系统合作。
“在未来五年内，不仅会在模型架构方面取得突破，还会看到人工智能如何融入我们周围的世界，”朱尼迪说，并补充说这将通过轻量级智能、边缘计算和理解数据、上下文、细微差别和意图的系统实现。
最终，软人工智能可能不像生成式人工智能或代理型人工智能那样引人注目。但它可能是迄今为止我们见过的最直观——甚至可能是最值得信赖——的人工智能形式。对于仔细倾听的企业领导者来说，这可能会产生重大影响。
(以上内容均由Ai生成)
