- 综合排序
- 最热优先
- 最新优先
- 来自专栏超级架构师
AI团队成功需要什么？
AI团队成功需要什么？ 智能时刻 2018-03-04 20:00 与人工智能合作的团队需要成功吗? 据CTO Kevin Gidney说，在海豹软件公司(Seal Software)中，人工智能和区块链专家在信任和授权方面取得了成功。 这一新的基础设施允许在不损害数据安全的情况下进行安全的学习，这是一个挑战，我们已经开始基于AI和区块链的结合来开发这一技术。
45920发布于 2018-12-27 - 来自专栏云云众生s
成为AI高级用户：AI领域的成功策略
AI 高级用户能够有效地利用 AI 工具，同时了解其局限性和最佳用例。 虽然头条新闻可能都是关于最新的 1750 亿参数巨兽，但许多实际应用正在通过更小、更专业的模型取得成功。小型模型正在迎来自己的时刻，并提出了一些有趣的问题。LLM 需要同时具备推理和知识吗？ 你可以通过提供清晰、实用的指导来帮助项目走向成功，并避免代价高昂的陷阱。倾听和理解应该首先引导他人取得成功。当你听到一个消除所有客户服务代表的项目时，你可以帮助将该项目引导到一个真正可以交付的东西。 关注你的数据：干净、高质量的数据是任何成功的 AI 项目的基础。 探索增强技术：RAG、工具调用和代理框架都是为了让你掌控全局，最大限度地减少对 LLM 的依赖。 随着我们沿着 AI 开发的 S 形曲线前进，真正的赢家将不是那些能够使用最多 AI 的人，而是那些能够最有效地使用 AI 的人。
34710编辑于 2024-08-21 - 来自专栏MixLab科技+设计实验室
AI概念验证，如何建立成功的AI PoC
构建PoC很难，但是构建AI PoC更加困难，因为它需要大量技能。 - 人工智能系统概述 作者举例，他打算开发一个对文件进行自动分类的AI系统。 AI系统会用“电子发票”或“待办事项清单”之类的标签回答“这是哪种文件”。 AI系统的工作流包括5个步骤： 收到一个问题：“这是什么样的文档？” （我现在常使用的是sanic跟mongodb） - 设计AI模块 AI模块的输入： 例如，用户的年龄和位置或电子邮件的正文等各种形式的输入。 AI模块的输出： AI要回答的用户提交的问题。 所以我们需要根据输入跟输出确认AI系统的任务是怎么样的。 为了帮助你确定构建AI的复杂性， 作者推荐了3个步骤。 然后，我们需要找到一种可以把输入向量转化为输出向量的方法（确认AI任务）。 大多数任务（例如回归，分类或推荐）都已有成功的最佳实践。
1.8K21发布于 2020-01-14 AI生成功能设计用例
AI拥有自动生成文本并快速整合的能力，以AI辅助功能用例编写成为推动行业创新和效率提升的关键点。 AI编写用例的优点：※ 效率提升AI可以快速生成大量测试用例，显著减少人工编写所需的时间，提升整体测试效率。 ※ 一致性和准确性提升AI生成测试用例具有较高的一致性和易理解性，减少人为错误，增强测试的可靠性和准确性。AI热词：二、设计方案本部分介绍使用AI编写测试用例的的设计方案，包括使用流程和架构图。 AI编写用例流程图AI编写用例架构图三、设计核心介绍本部分介绍如何使用AI辅助生成功能用例，详细讲解了从PRD文档->测试点->测试用例->Xmind用例->使用采纳，整条链路的核心设计与实现。 知识库搭建※ 知识库涉及范围※ 实现方案详情Xmind测试用例转换知识库业务文档转换知识库※ 模型设计： 测试用例转换文本AI模型 业务文档转换业务文档模型四、实现结果展示五、总结 & 规划目前平台侧已经实现自动生成功能用例的功能
39610编辑于 2025-08-28- 来自专栏瞎说开发那些事
实施成功的AI：从小开始，快速扩展
成功的人工智能策略的关键是:从小处开始，迅速发展。 有人怀疑企业是否有时间来制定AI的深度战略，并且最好根据需要实施它。 “当组织尝试并引入AI时，他们需要在AI的战略抱负和快速入门之间找到平衡点。 RPA公司UiPath的首席执行官Guy Kirkwood表示：“当公司表示他们需要AI时，他们实际上意味着他们需要必要的工具来自动化更多的流程，因为这就是AI的真正优势。” 许多企业实现全面的人工智能策略方面还有很长的路要走 Waite先生说：“我所看到的成功率最低的人是寻求短期效果的人。 这些公司倾向于将大部分预算投入到技术中，但花费太少的钱雇用合适的员工来管理AI转型。 他说：“成功的人是反其道而行之人，因为他们看待的是更小更具战术性的东西，”他说。
611120发布于 2018-06-19 - 来自专栏新智元
谷歌在中国的AI投资会成功吗？
【新智元导读】谷歌在中国大陆一直因严格的政府审查而无法展开市场，随着AI的发展，谷歌正在中国大陆招聘工程师成立中国本地人才库，包括谷歌在乌镇的AI峰会，都是其寻求缓解与中国政府关系进行的尝试，但其能否突破政府监管仍存在重大疑问 尽管困难重重，谷歌还是在中国大陆招聘工程师，挖掘本土AI人才。 炙手可热的AI AI是目前最热门的技术领域，科技巨头正在抢夺富有经验的科学家和工程师。 百度在硅谷设立了一个200人的AI实验室；腾讯亦在西雅图设立一所研究语音识别和自然语言处理的机构。 中国政府更是将人工智能列为五年计划的关键领域，召集百度加入，建立一个国家级的AI实验室。 谷歌近来一系列举动，包括乌镇AI峰会、AlphaGo围棋比赛、招聘本土AI人才，皆意在与中国破冰。 对需要大量数据才能学习的AI来说，拥有丰富人口的中国吸引力十足。 此前谷歌在举办乌镇AI峰会时，与当地政府有过合作，但非常有限。
1K80发布于 2018-03-21 - 来自专栏新火种AI
新火种AI | 奥特曼重回OpenAI：既是成功，也是失败
作者：一号OpenAI年度大戏落幕，山姆·奥特曼回到了原本的CEO之位，但这是他的成功，也是他的失败。在过去的几天，OpenAI人事动荡的大戏，经过一轮又一轮的反转，终于算是以奥特曼的回归落幕了。 作为一家估值近千亿的独角兽公司以及AI界的“普罗米修斯”，OpenAI这次突然的人事动荡，显然让投资人、媒体以及一众吃瓜群众大吃一惊。 奥特曼的成功与失败奥特曼设计的这套组织结构，自2019年以来，稳定运转了数年，并在这期间推出了爆款产品ChatGPT，看似在资本和理想之间取得了平衡。 但此次人事动荡的结局，奥特曼众望所归，成功回到CEO一职，不仅彰显了他个人在公司内部的个人魅力以及投资方中可靠的形象，更是他自己权力的稳固，这无疑是个人的成功。 首先，投资方可以自主决定是否继续投资OpenAI，从而在没有决策投票权的情况下，通过资金的操控间接影响公司决策，奥特曼目前在带领OpenAI往商业化的道路上发展，走得很成功。
30900编辑于 2023-11-23 - 来自专栏ATYUN订阅号
微软推出AI Business School，为企业成功实施AI战略提供教学视频
微软今天推出了AI Business School，这是一系列案例研究和免费教学视频，旨在帮助企业高管在其组织内设计和成功实施AI战略。 微软AI Business School是在与客户进行了3年的对话后诞生的，去年首次推出AI School，此前推出了面向开发者的AI School。 微软负责AI营销和产品化的副总裁Mitra Azizirad表示，与其他公司不同，AI Business School的教材采用了与实施AI的客户三年间的对话，以及从微软内部引入的AI解决方案中学到的经验教训 课程内容将集中在四个主要领域：战略，文化，技术基础和负责任的AI。课程将包括一些工具，如评估业务AI成熟度级别，以了解成功实现AI需要什么。 这是首席财务官Amy Hood在AI被引入公司财务部门时学到的东西。 AI部分将探讨企业领导者如何管理与AI相关的风险，以及组织内部需要的道德问责制和治理。
67720发布于 2019-05-13 - 来自专栏程序你好
拥抱人工智能，企业如何制定成功的AI战略？
尽管人工智能已经变成科技媒体最热门的话题，被认为讲引领下一个科技潮流，但事实上大多数人(尤其是企业管理层)仍然不知道如何在企业生成活动中成功的应用机器学习。 成功的公司拥有分析基础设施、专门知识以及分析师和业务专业人员之间的密切协作，可以将这些协同作用转化为投资回报率。 如果企业想在未来保持竞争力，就必须提前制定人工智能战略。 在下面的文章中，我们将描述一些成功的AI战略的基本要素。 在企业内部建立创新性/实验性的思维方式： 机器学习是一个迭代和探索的过程。 因此，决策者和团队成员都需要应用一种机器学习测试和学习的心态来建立成功的数据分析。 提供最大灵活性和敏捷性的迭代过程允许对进展进行更快的评估，并确定是否需要替代方法。
1K20发布于 2020-05-26 AI生成功能设计用例｜得物技术
AI拥有自动生成文本并快速整合的能力，以AI辅助功能用例编写成为推动行业创新和效率提升的关键点。 AI编写用例的优点：※ 效率提升AI可以快速生成大量测试用例，显著减少人工编写所需的时间，提升整体测试效率。 ※ 一致性和准确性提升AI生成测试用例具有较高的一致性和易理解性，减少人为错误，增强测试的可靠性和准确性。AI热词：二、设计方案本部分介绍使用AI编写测试用例的的设计方案，包括使用流程和架构图。 AI编写用例流程图AI编写用例架构图三、设计核心介绍本部分介绍如何使用AI辅助生成功能用例，详细讲解了从PRD文档->测试点->测试用例->Xmind用例->使用采纳，整条链路的核心设计与实现。 知识库搭建※ 知识库涉及范围※ 实现方案详情Xmind测试用例转换知识库业务文档转换知识库※ 模型设计： 测试用例转换文本AI模型 业务文档转换业务文档模型四、实现结果展示五、总结 & 规划目前平台侧已经实现自动生成功能用例的功能
78510编辑于 2025-05-21- 来自专栏IT派
普通程序员，几个月如何成功转型AI？
IT派 - {技术青年圈} 持续关注互联网、大数据、人工智能领域 动辄50万的毕业生年薪，动辄100万起步价的海归AI高级人才，普通员到底应不应该转型AI工程师，普通程序员到底应该如何转型 AI工程师？ 以下，精选了三个特别典型的普通程序员成功转型AI的案例，也是知乎上点赞量相当高的案例： 第一案例为普通程序员，经过六个月从接触机器学习到颇有心得的切身体会。
1.8K61发布于 2018-03-28 - 来自专栏云云众生s
GPU数据编排在AI成功中的关键作用
最近 英伟达进行的研究 关注了 2024 年 AI 的现状，其中一项发现是，几乎 50% 的跨行业公司计划在云端和本地运行 AI 项目。换句话说，AI 基础设施的未来将是 混合云和多云。 确保数据在需要的时候出现在需要的地方 AI 工作流中有多个阶段，当然，许多 AI 使用案例可能差异很大。 但无论 AI 使用案例多么多样，共同点是需要从许多不同的来源收集数据，这些来源通常位于不同的位置，甚至位于单个组织之外。 根本问题是，人类和 AI 模型对数据的访问始终在某个时刻通过文件系统进行。 AI 工作负载必须能够访问完整的数据集，以便对文件进行分类和标记，作为确定哪些文件应该被细化到下一步的第一步。 AI 旅程中的每个阶段都会进一步细化数据。 对于 AI 工作流至关重要，数据分类可以通过丰富的元数据得到显著增强和自动化，这些元数据用于根据业务目标自动放置数据。
29410编辑于 2024-09-06 - 来自专栏腾讯云TVP
5%的AI企业落地成功者到底做对了什么？
大家都看过上次的那个悲观的报告，95%的企业级AI是失败的，但如果我们不去纠结95%的企业AI失败概率，而是去研究5%的AI企业落地成功者到底做对了什么，我们会看到这样一条清晰的路径：1、道：宏观工作： 解决意愿的问题——从0到1生产关系：构建真正的，经验（知识）贡献的生产关系和回报模型——首先解决的是意愿问题，大家都愿意贡献知识人机关系：AI+人，靠机制而不是LLM自己的能力来减小幻觉，人始终配合约束幻觉的扩散 2、法：介观工作：解决组织和结构的问题——从1到10知识整理：建立一个实体组织，能持续的将人的“经验”，企业已有的数据，企业已有的流程，转化为可以被AI读取的“知识”持续迭代：构建可迭代的体系，AI服务中积累下来的内容能够变为新的知识自我迭代 ，这里包含了一个检测的体系培训：全员的AI培训，从上到下，从下到上的愿意拥抱AI3、术：微观工作：解决落地放大的问题——从10到10000解耦：不依赖于某个LLM，多个LLM之间可以互相配合成本：不做几个月后就会落后的大规模预算投入
1.6K41编辑于 2025-11-10 - 来自专栏SaaS加速器
SaaS的客户成功，是谁的成功？
不夸张地说，客户成功在国内SaaS领域的普及，要比SaaS本身还要成功。 这样问题就来了，既然SaaS公司的生意都还没成功、客户也没成功，为啥客户成功却成功了呢？ 原来是已经成功的Salesforce们，它们不但定义了客户成功（CS）的概念；并以现身说法：SaaS公司的成功，离不开客户成功。 也就是说，客户成功是成功的巩固和扩大，而不是客户成功创造了成功。 国内有些SaaS公司，在CS这件事上，是犯了倒果为因的错误。 客户成功为什么降温了？ 客户成功是谁的成功？ 从字面上理解，客户成功一定与客户的成功有关。但是我们就是一个做SaaS的，要说能帮助客户取得成功，别说自己没底气，客户也未必相信。 CS帮助客户成功这个说法，只能是SaaS服务商的一个愿景和要表明的态度。至于客户成功，乃至CSM的生存和发展，必须找到客户成功新的价值点。 否则，谁也不能成功。 客户成功真正的价值在哪里？
1.3K40发布于 2020-08-18 - 来自专栏《三桥君 | AI产品方法论》
掌握这5大要素，开启AI项目落地的成功之门
AI项目成功落地的五大要素 三桥君认为，要让AI项目在企业中成功落地，仅仅依赖技术团队是远远不够的。以下是五个关键要素，帮助企业在AI项目中取得突破： 1. 业务人员的热情 业务团队的积极参与是AI项目成功的关键。如果业务人员对AI项目缺乏兴趣或认为与自己无关，项目很难真正落地。企业需要激发业务人员的热情，让他们意识到AI技术能够为自身工作带来的实际价值。 找能用语言描述的任务 AI在语言处理任务中表现优异，因此优先选择语言类任务更容易成功。比如，企业可以利用AI自动生成报告、分析客户反馈或翻译文档。 这种方式不仅能够复制成功经验，还可以为其他员工提供学习参考。 结论 AI项目的成功落地，既需要技术团队的创新，也需要业务团队的积极参与。 通过激发业务人员的热情、认清AI的能力、提升业务团队的编程能力、从小处着手以及获得领导层的耐心支持，企业可以显著提升AI项目的成功率。
34410编辑于 2025-08-28 - 来自专栏AI科技大本营的专栏
首个深度强化学习AI，能控制核聚变，成功登上《Nature》
编译 | 禾木木 出品 | AI科技大本营（ID:rgznai100） 最近，DeepMind 开发出了世界上第一个深度强化学习 AI ，可以在模拟环境和真正的核聚变装置中实现对等离子体的自主控制。 DeepMind 开发了一种可以自主控制等离子体的 AI，来控制瑞士等离子体中心的可变配置托卡马克内的 19 个电磁线圈。 无论是在模拟中，还是当科学家在 TCV 托卡马克装置内进行相同的真实实验以验证模拟时，AI 能够通过以正确的方式操纵磁线圈来自主计算出如何创建这些形状。 AI 还学会了如何通过以人类以前从未尝试过的方式调整磁铁来控制等离子体，这表明可能会有新的反应堆配置可供探索。 参考链接： https://www.wired.com/story/deepmind-ai-nuclear-fusion/
1.1K50编辑于 2022-04-05 - 来自专栏人工智能头条
2017奥斯卡大奖揭晓，群集智能AI成功预测12项（技术解析）
——Swarm AI再次出手，在大奖公布前先作了一番预测。 但是，今年的预测中，Swarm AI 在最佳男主角和最佳影片上都出现错误，也凸显了一些问题。 那么 Swarm AI 的未来是什么呢？ 答案是肯定的，那就是建立 Swarm AI 系统，将实时的人类洞察和 A.I.算法统一在一起的智能系统。 从设计的问题和选取的对象看，由Unanimous AI开发的swarm AI-UNU的预测则明显倾向希拉里。Unanimous A.I. 直接以人为分析对象并使用了一种所谓的“群集智能”的技术。
77050发布于 2018-06-06 成功案例分享|使用AI运动识别插件+微搭，快速搭建AI美体运动小程序
用户为形体礼仪培训机构，计划开发一款AI美体运动小程序，旨在为用户提供专业的运动指导和美体建议。 考虑到开发成本、开发周期及原功能迁移的问题，用户决定基于“微搭”低代码平台进行搭建，并集成“AI运动识别小程序插件”以实现AI运动识别智能化功能。 在我方技术人员的协助下，成功将“AI运动识别小程序插件”集成至“微搭”平台的小程序中。 当然，这只是“AI运动”的其中一种应用场景，还可以应用其他方面，诸如：AI健身、学生体测、云上运动会、轻量AR互动等。要实现这些应用场景，在这里，我们推荐云智「AI乐运动」体验。 积极探索AI技术的更多应用场景，为用户提供更加智能化、个性化的服务体验。同时，我们也期待与更多的合作伙伴携手共进，共同推动AI技术在各项领域的广泛应用和发展。
53510编辑于 2024-10-14- 来自专栏镁客网
AI筛选胚胎，有效提升体外受精成功率
借助AI工具能够让35岁以下没有潜在健康问题的女性在接受试管受精治疗时，由50%的成功率提升到了70%。 借此，医疗人员能够利用该技术增加胚胎孕育的成功几率。 不过，众所周知技术、产品的成功研发和投入应用之间会有一段距离，尤其是在医疗领域。 对此，Nikica Zaninovic教授认为，这项AI技术可能能够在未来的5年内进入临床应用，并且，借助AI工具能够让35岁以下没有潜在健康问题的女性在接受试管受精治疗时，由50%的成功率提升到了70% 在这一新闻爆出之后，英国谢菲尔德大学的生育专家Allan Pacey对媒体表示：“延时摄影技术在临床上的应用已经持续了许多年，而可预测的数据带来的成功希望也就越大。
51030发布于 2018-10-18 - 来自专栏《三桥君 | AI产品方法论》
掌握这5大要素，开启AI项目落地的成功之门
AI项目成功落地的五大要素三桥君认为，要让AI项目在企业中成功落地，仅仅依赖技术团队是远远不够的。以下是五个关键要素，帮助企业在AI项目中取得突破：1. 业务人员的热情业务团队的积极参与是AI项目成功的关键。如果业务人员对AI项目缺乏兴趣或认为与自己无关，项目很难真正落地。企业需要激发业务人员的热情，让他们意识到AI技术能够为自身工作带来的实际价值。 找能用语言描述的任务AI在语言处理任务中表现优异，因此优先选择语言类任务更容易成功。比如，企业可以利用AI自动生成报告、分析客户反馈或翻译文档。 这种方式不仅能够复制成功经验，还可以为其他员工提供学习参考。结论AI项目的成功落地，既需要技术团队的创新，也需要业务团队的积极参与。 通过激发业务人员的热情、认清AI的能力、提升业务团队的编程能力、从小处着手以及获得领导层的耐心支持，企业可以显著提升AI项目的成功率。
26900编辑于 2025-07-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号