

自2025年底以来,人工智能模型发展迅猛,甚至有人认为奇点已至,我们或许已实现通用人工智能(AGI),其能力已超越人类理解范畴。然而,人工智能能执行复杂任务,却难以理解最基本的以人为中心的任务。这一现状反映出人工智能发展虽快,但仍存在局限性。

运营型数据库是支撑组织业务运转的核心系统,但过去几年被忽视。如今,智能体应用推动其复兴。智能体应用产生的写入密集型工作负载给数据库带来更大压力,如OpenAI将写入密集型工作负载从PostgreSQL迁移到Azure CosmosDB。同时,运营数据库还面临摄取非结构化数据、执行实时嵌入等新压力。运营型数据库在人工智能时代的重要性日益凸显,但也面临诸多挑战。

人工智能治理至关重要,但存在范围界定和定义共识的问题。数据治理是人工智能治理的基础,但如何界定特定控制措施的边界是组织面临的最大挑战。此外,对于模型输入、输出、训练、网络和数据质量等方面的治理,也需要达成共识。Gartner今年将发布全新的人工智能治理魔力象限,可见其对该领域的重视。

上下文图谱成为热门概念,但没有统一的定义标准。虽然上下文对提升大语言模型的可靠性至关重要,但将所有上下文信息整合到一个逻辑统一的系统中是一项艰巨任务。此外,将上下文作为独立“层”可能会使架构复杂化,更务实的做法是扩展现有的语义基础设施。

许多企业所说的“代理”实际上只是助理,目前仍处于发展初期。不过,各组织开始看到生产力提高,如保险公司利用人工智能技术转录通话内容并制定护理计划。随着世界人口老龄化,医疗保健可能是人工智能进步的最大受益者。编辑观点:人工智能在数据行业的应用是真风口,虽面临诸多挑战,但发展前景广阔,将深刻改变行业格局。
223



被折叠的 条评论
为什么被折叠?



