|
随着技术的不断突破，大模型的发展呈现出性能提升与成本降低的双重突破，从日常生活到生产制造，从传统行业到新兴产业，“人工智能+”，正在“+”出无限可能。 但是千行百业各不同，AI在不同领域的实践中究竟如何有效落地？如何通过AI赋能行业新模式，掀起产业新浪潮？ 我们邀请到4位身处不同行业的复旦大学EMBA项目学生与校友，从他们的自身实践出发，围绕“AI+法律”、“AI+文化”、“AI+数据管理”等多元应用话题，分享最前沿的专业见解和一手经验，共同展望AI赋能行业发展的机遇和挑战。  分 享 人  强 锋 图灵微雀云创始人 图灵人工智能研究院行业大模型首席专家 复旦大学EMBA项目学生 分享关键词：AI+法律  李三水 W品牌营销集团董事长 复旦大学EMBA项目学生 分享关键词：AI+文化  杨树德 上海悦科数据科技有限公司总经理、CEO 复旦大学EMBA项目校友 分享关键词：AI+数据管理  朱 俊 冰特科技CMO 丽台科技中国区合伙人 复旦大学EMBA项目学生 分享关键词：AI应用落地的避坑指南  AI+法律，为诉讼流程提速增效 强锋： 现在法院工作最大的矛盾是“案多人少”。例如在上海，一位法官一天要审结2个案件，日审案量远远超出人的体能负荷。这其中又有很多重复劳动，如阅卷、梳理争议焦点、法律文书撰写，然后准备开庭。 我们推出了全国第一个服务审判业务全流程的AI助手，目前已经在全国11个省的法院部署应用，能够实现AI阅卷、争议焦点归纳、裁判文书辅助生成。 例如简单案件的阅卷、整理案件事实，用时可以从1小时缩短至3分钟，助力实现审判效能的变革。 以前开庭前，法官、律师和当事人需要见面然后举证质证，这个过程需要花费很多时间。随着案件数量增多，举证质证无法在开庭前完成，就会在开庭中进行，导致开庭时间冗长。 我们正在苏州进行全国第一个试点，在互联网侧用AI辅助举证质证，用AI助手协助双方当事人，从诉讼请求出发，快速归纳总结双方的争议焦点，由大模型总结出一个初步的争议焦点，然后再交给法官进行庭审。 这样可以大幅提升庭审效率，让庭审时间明显缩短。这也在改变诉讼流程，未来律师端可以同样受益，用AI处理卷宗提高效率和准确率，让AI具备法律人的思维链。 以案件量比较大的交通肇事案件为例，我们在苏州某基层法院试点的AI诉前调解，目前调解率已经从原来的20%左右上升到60%。 原来的调解人首先是民间调解组织，他们并不是专业法律人士，当拥有思维链的AI成为调解员，可以快速阅卷，准确罗列事实，同时找出近期审判同类案件进行参照，甚至AI还可以计算伤残等级。 面对人类调解员，当事人可能对公平性有质疑，但面对AI计算的结果，很多人选择相信AI的中立立场，因此调解率得以明显提高。接下来，我们还会大规模推广诉前调解。 AI+文化，新文艺复兴或将到来 李三水： 文化、文旅和文创行业，都是受到AI冲击最多的“重灾区”。 在这三个文化行业中，很多人认为AI带来了替代性和危机感。但我认为，AI技术带来的是“筛选”和“重选”。 “筛选”的意思是，AI会将真正喜欢创作和不喜欢创作的人筛选出来。真正的热爱可以通过AI放大，创造出更多精彩。 “重选”的意思是今天AI进入文化领域并不是一场淘汰赛，而是排位赛。 AI给所有人重新排位、重新选择位置的机会，并且机会是空前的。我们完全有理由相信，在新的技术大爆炸之下，我们将迎来一场新的文艺复兴。 关于AI的数据安全问题，目前为止有三种解决方式： 一是技术化解决，也就是开发单独的小模型和独立的数据接口。未来在云计算、服务器或中大型企业中，在有智力算法和智力数据库的前提下，会有更多企业倾向于独立开发自己的单向独立接口。 二是创造新型的法务关系。涉及到AI型创作和数据型分析的创作过程的数据隐私问题，要提前进行法务介入。 三是单独采买，也就是独立服务的提前干预和提前买断，这三种方式未来可能都会成为主流趋势。 AI+数据管理，全方位守护数据安全 杨树德： 人工智能的三要素是算力、算法和数据。因为训练模型的算力成本很高，所以我们开始思考如何提高算力的利用率，主要包括四个方面：第一是提高算力资源利用率，第二是降低使用算力成本，第三是考量数据安全，第四是提高AI效率。 关于提高算力资源利用率，技术团队通过监测使用芯片的利用情况，例如数据量、运行时间段以及电量等，建立模型进行分析，助力客户优化算力使用。 降低算力成本方面，我们开发了财务测算模型和算力调度系统。通过虚拟化和共享模式，客户不需要持续占用模型，我们可以根据实际使用情况调整资源分配，从而降低费用。例如，原本成本为8万的服务，现在通过共享模式可能只需4万。 数据安全是客户极为关注的问题。在接触到数据管理和国家对数据资产的重视背景下，我们确保通过软件层面、物理层面和管理规范的全方位定制，实现数据的全过程加密和物理隔离等安全措施，确保敏感数据的安全性。 为了通过AI技术提高效率，我们还开发了一体化管理模型，实现模型训练的一键上传下载、异常监控及算力调度，优化管理效率，减少可能导致高成本的运行异常。这些策略不仅帮助客户节约成本，也为企业自身的可持续发展铺平道路。 AI赋能千行百业，如何“避坑” 朱俊： AI应用的新场景日新月异，从探索外太空、控制核电站，到帮助视障人士“看见”世界，自动驾驶出租车上线。 2024年也是具身机器人元年，未来，也许每个人都可以拥有一位私人的家庭医生机器人。 每个人都有成长曲线，所有的公司、行业、产业也都有成长曲线。伟大的技术会融于无形之中，正如今天我们不会再去讨论电网是伟大的技术，因为对电网的使用已经无处不在。AI也是伟大的技术，未来也会融于无形之中，融入生活的每个角落。 从AI的技术成熟度来看，目前AI处于基础构建阶段，未来与AI结合的市场是最大的，所以现在企业都在朝AI的技术方向进行提前预埋。 99%的企业都明白企业发展要与AI结合，但问题在于，大部分企业并不知道应该怎样结合。 绝大部分人都认为要用AI来解决问题，所以大家思考的往往是用AI来解决什么问题。 但更关键的是，人工智能并不是帮助我们解决问题，而是帮助我们“加速”解决问题。 也就是说，你要解决的问题，本身有自己形成闭环的解决路径，使用AI能够让解决速度加快。但如果问题本身还没有形成可闭环的途径，那么AI也无法解决问题。 闭环是AI落地的神性法则，闭环是一切AI赋能项目的前提。 例如机器人生产出来后，可以再去生产其他机器人；软件被开发出来之后，用这个软件再去开发其他软件；光刻机生产出来后，可以用光刻机生产的高端芯片再去研发新的光刻机——这就是神性法则。 闭环主要有三种：加速闭环、迭代闭环、创新闭环。只有加速才能形成飞轮，只有迭代才能进化，只有创新才能破局，去创造新价值、新数据、新需求。 无闭环，不AI，这是让我们不走弯路最关键的点。 延展阅读
|
|
|
