为了给您提供更优质的服务,请您先完善以下信息:
确认提交

扫码关注

爱数技术支持中心公众号

请选择:

请选择咨询类型

AnyShare
AnyBackUp
AnyRobot

扫码关注

爱数技术支持中心公众号

性能爆表
AnyShare
如何购买
我已是Anyshare 客户
AnyRobot
如何购买
购买 AnyRobot 订阅服务
我已是 AnyRobot 客户
一对一在线咨询
我是 AnyRobot 新客户
一对一在线咨询

智能相对论:揭秘爱数AnyShare认知助手:大模型深度产品化,深化人与机器的“分工协作”

2023-07-28

图片
大模型竞逐日趋白热化,百模大战热闹非凡。
但是,对产业主体或者普通看客而言,大模型究竟如何改变一线业务、实现工作方式的变革甚至组织转型,很多人并没有具象化的认知。
技术厉害、产品牛,宏大的憧憬和规划下,大模型到底是怎么进入到行业一线实现落地的?
最近,大数据基础设施提供商爱数在一次公开分享中,直观地展示了其新发布的AnyShare认知助手如何在大模型的支撑下辅助内容/知识的智能化生产及消费。
从搜索、阅读到创作,以实际案例+产品逻辑讲解的方式,AnyShare认知助手把大模型能够给内容业务带来的改变直观地呈现出来,也给了观众一次大模型能力的直观体验。
值得一提的是,在AnyShare认知助手背后,是将领域知识网络(知识图谱为代表)与领域大模型结合形成的“领域认知智能”,也即在各个特定场景下解决专业领域问题、以数据重塑现实生产力的大模型。
在这个过程中,大模型提供理解、推理能力,而领域知识网络提供专业领域的规范化、精准化的行业知识,从而在垂直场景中提供更高品质的产品和服务,赋能高质量发展。也由此,业界此次能直接见到大模型能力在实际场景中发挥价值。
AnyShare认知助手赋能了内容管理平台智的能化升级,在这种赋能背后,领域大模型推动人与机器“分工协作”的再度进化也极致展现出来。

大模型推动AGI时代加速到来,领域大模型深化“分工协作”

在谈论领域大模型的价值前,先要分析大模型的本质价值所在。
AIGC是大模型赢得广泛关注的起爆点,但大模型在长远意义上更核心的价值是推动AGI(通用人工智能)的发展。
而AGI对当下场景应用最大的价值,实际上是在深化和延续AI对人类的价值——人的职责与机器职责的细化“分工协作”。随着能力的提升,AGI将能够承担更多重复、繁重的工作任务,让人更加聚焦到最能创造价值的业务部分,聚焦于核心的创新、创意工作之上。
以爱数为例,其过去就致力于通过领域认知智能帮助企业转变为数据驱动型组织,但是,这一过程仍然需要人来参与很多工作,例如依靠人工进行数据的整理与分析等,没有摆脱过去AI“有多少人工就有多少智能”的问题,还有大量的工作需要“分配”到人工这边,钳制了智能化业务的发展。
当大模型能力引入到既有的业务环节,实现领域大模型创新,大量的人工辅助工作可以被替代(在领域大模型能力下,能够“分配”到AI一侧),数据相关业务的发展可以更大程度摆脱“人工”这个瓶颈,从而使得爱数为客户提供的数据服务更具效率与效果。
而AnyShare认知助手,就成为这种分工协作深化的一种具象化展示。
在政企组织当中,数据、知识的规模日益庞大,文档数量十万级、百万级甚至千万级,不要说人工查询、再利用成本高昂,就算企业真的投入大量资源,人工可能也无法在能力上完成相关的工作——实在是太多了。
这时候,领域大模型能力的价值就展现出来。AnyShare认知助手能够在政企组织海量信息与知识中承担分类、检索、整理等工作,将人与机器的“分工协作”进一步深化,将人从这些重复繁重的工作中解脱出来。
例如,在智能制造赛道上,AnyShare认知助手可以实现客户/合同画像的系统整理,可以为各类繁杂设备建立知识图谱,能够实现智能的营销管理等等,最终实现全链条的数据驱动。
在数字政府领域上,AnyShare认知助手能够有效提高办文办事办会的效率,实现辅助撰写公文、辅助阅读产业政策、智能化一网通办等。
类似的,还有智慧校园领域帮助实现教学科研一身轻,在金融数字化方面推动投研工作智能化提效,等等。
总之,领域大模型深入垂直场景,承担了很多过去AI无法承担的工作,让大模型在“分工协作”上更进一步,这实际上也推进了人在工作中的价值展现,远离“低价值的重复劳动者”,让业务执行更有意义和成就感。

内容管理的“分工协作”,AnyShare认知助手进行了一次全覆盖

AnyShare认知助手是作为AnyShare Family 7 智能内容管理平台的一大特性出现的,让后者实现了智能化升级。
细化到内容管理的具体业务上,可以发现AnyShare认知助手在三个闭环的环节都实现了“分工协作”的覆盖,只不过实现的方式和侧重各不相同。

1、在信息获取环节,智能搜索实现“人找内容”到“内容找人”

搜索是内容管理最首要的环节,而通常来说,类似大众搜索引擎那样输入一个需求得到一个对应的反馈,同样是组织内部员工在内容管理方面的“常规操作”。
但是,如果信息量十分庞大,这种传统搜索方式就会面临很多问题。例如,要得到尽可能全面的信息,就必须大量重复搜索的动作,不断地“找”到信息并自己整合起来。而且,因为系统只反馈用户发送的搜索指令,用户得到的信息是否全面与系统,完全依赖个人经验。
AnyShare认知助手的智能搜索,解决了这个问题。



如果说过去的点对点搜索是“人找内容”,那么AnyShare认知助手的智能搜索就是“内容找人”,一个搜索诉求下,系统会反馈一整套相关的知识内容。
不再需要重复的搜索动作,不再需要思考有没有没兼顾到的维度,这些通通甩给了AnyShare认知助手,“分工协作”进一步深化,人只需要思考究竟什么才是业务最需要的知识即可,将精力聚焦到企业发展和业务创新之上,下达最恰当的搜索指令。

2、在知识吸收环节,辅助阅读帮助用户快速找到真正需要的关键点和关联点

在搜索结果给到后,通过海量的阅览找到重要的、关键的信息点,是必要的动作。
在过去,能够快速阅览并准确摘出信息点往往被视为一项“能力”。但是,从来没有人想过,也许这种“能力”原本就是不必要的,人的精力不应该花在对繁杂信息的消化吸收上,而应该更聚焦于获得关键点和关联点之后,如何将它们应用好、推动业务。
AnyShare认知助手借助领域大模型等能力,同样在“接手”这类工作,让人从长时间的阅览动作中解放出来。



任何一个文本内容,AnyShare认知助手都能快速帮助人识别出其中关键信息点,以及信息点之间有什么关联。
对用户而言,AnyShare认知助手等于将最重要的内容干货呈现在了面前,内容阅览的效率大大提升,可以快速找到想要的知识应用到相关业务中去。

3、在创作输出环节,以全程协同的方式手把手推动优质内容产出

列一个大纲,需要什么信息,左翻翻、右找找,自己整理、呈现并汇入一个逻辑点下,一步步完成一个文稿的创作……这是过去内容创作输出的通常做法。
可以发现,除了核心观点的呈现,创作的大部分的精力都不得不花在人工知识的整理与分析上,且依赖个人经验进行观点萃取和结论提炼,难以保证分析的客观性和全面性,这显然是不合理的。
AnyShare认知助手让内容引用等大量“体力劳动”不再需要,且给到最恰当、最合理的知识内容提炼,用户可以集中精力输出优质工作成果,呈现最核心的价值内容。



一份报告,核心观点和意见才是创作者最应该聚焦的地方,也只有让精力都集中在这里,才能最大程度保证内容创造的价值。
过去,缺乏通用能力的AI难以在这方面有所作为,现在,领域大模型来了,AnyShare认知助手让这种“分工协作”成为现实。

“分工协作”的深化只能来源于“机器”能力的长期积累与提升

很明显,没有“机器侧”能力的提升,“人工侧”就无法将那些重复而繁重的工作分配出去,“分工协作”的深化也就无法实现。
AnyShare认知助手之所以能够实现前文一系列场景价值,与爱数建立的“领域认知智能”架构密不可分。



目前,在大模型兴起的大背景下,爱数以AnyDATA领域认知智能框架为统一AI框架,为AnyBackup、AnyShare、AnyRobot、AnyFabric的全域数据能力提供起了智能支撑。围绕全域数据,帮助客户实现数据资源化、数据知识化乃至业务智能化,挖掘数据资产价值,助力数据资产变现交易。
在这里,领域大模型、私域数据、领域知识网络互补共存,政企组织将实现类似人一样的高级认知能力,这也是领域大模型的目标所在。
AnyShare认知助手在几个内容场景的出色表现,离不开这个架构下的各项能力支撑。
在实际技术实现上,爱数围绕领域认知智能已经完成了一套包含基础层、认知层、能力层、产品层的统一架构:



在这个体系中解读,就会发现能力层的AnyShare认知助手,受到了认知层AnyDATA的支撑。
例如,就智能搜索而言,在一系列能力的加持下,AnyShare认知助手得以更准确理解用户意图,获取更精准、相关性更高的系统化搜索结果。这其中,领域大模型与搜索引擎结合能够快速准确地处理亿级以上数据量,并高效查询与匹配,最终生成人类可理解的答案。
从整个行业角度看,对在整体上深耕人工智能场景化应用的厂商而言,大模型创新不是并不一定要是刻意为之的事,在原本的体系之上平滑引入大模型能力,以领域大模型创新就能快速催生类似AnyShare认知助手这样的特性,让大模型在场景中的应用直观地展现出来。
这种从场景出发的领域大模型路线,更能让人与机器的“分工协作”加速深化,让大模型更高效、更深入地改变千行百业。

拨打400

免费销售咨询热线

400 8216055

7*24 小时免费售后服务热线

400 880 1569

购买咨询

购买咨询

售后服务

售后服务

返回顶部