文 | 智能相對論

作者 | 葉遠風

大模型競逐日趨白熱化，百模大戰(zhàn)熱鬧非凡。

但是，對產(chǎn)業(yè)主體或者普通看客而言，大模型究竟如何改變一線業(yè)務、實現(xiàn)工作方式的變革甚至組織轉(zhuǎn)型，很多人并沒有具象化的認知。

技術(shù)厲害、產(chǎn)品牛，宏大的憧憬和規(guī)劃下，大模型到底是怎么進入到行業(yè)一線實現(xiàn)落地的？

最近，大數(shù)據(jù)基礎設施提供商愛數(shù)在一次公開分享中，直觀地展示了其新發(fā)布的AnyShare認知助手如何在大模型的支撐下輔助內(nèi)容/知識的智能化生產(chǎn)及消費。

從搜索、閱讀到創(chuàng)作，以實際案例+產(chǎn)品邏輯講解的方式，AnyShare認知助手把大模型能夠給內(nèi)容業(yè)務帶來的改變直觀地呈現(xiàn)出來，也給了觀眾一次大模型能力的直觀體驗。

值得一提的是，在AnyShare認知助手背后，是將領域知識網(wǎng)絡（知識圖譜為代表）與領域大模型結(jié)合形成的“領域認知智能”，也即在各個特定場景下解決專業(yè)領域問題、以數(shù)據(jù)重塑現(xiàn)實生產(chǎn)力的大模型。

在這個過程中，大模型提供理解、推理能力，而領域知識網(wǎng)絡提供專業(yè)領域的規(guī)范化、精準化的行業(yè)知識，從而在垂直場景中提供更高品質(zhì)的產(chǎn)品和服務，賦能高質(zhì)量發(fā)展。也由此，業(yè)界此次能直接見到大模型能力在實際場景中發(fā)揮價值。

AnyShare認知助手賦能了內(nèi)容管理平臺智的能化升級，在這種賦能背后，領域大模型推動人與機器“分工協(xié)作”的再度進化也極致展現(xiàn)出來。

大模型推動AGI時代加速到來，領域大模型深化“分工協(xié)作”

在談論領域大模型的價值前，先要分析大模型的本質(zhì)價值所在。

AIGC是大模型贏得廣泛關注的起爆點，但大模型在長遠意義上更核心的價值是推動AGI（通用人工智能）的發(fā)展。

而AGI對當下場景應用最大的價值，實際上是在深化和延續(xù)AI對人類的價值——人的職責與機器職責的細化“分工協(xié)作”。隨著能力的提升，AGI將能夠承擔更多重復、繁重的工作任務，讓人更加聚焦到最能創(chuàng)造價值的業(yè)務部分，聚焦于核心的創(chuàng)新、創(chuàng)意工作之上。

以愛數(shù)為例，其過去就致力于通過領域認知智能幫助企業(yè)轉(zhuǎn)變?yōu)閿?shù)據(jù)驅(qū)動型組織，但是，這一過程仍然需要人來參與很多工作，例如依靠人工進行數(shù)據(jù)的整理與分析等，沒有擺脫過去AI“有多少人工就有多少智能”的問題，還有大量的工作需要“分配”到人工這邊，鉗制了智能化業(yè)務的發(fā)展。

當大模型能力引入到既有的業(yè)務環(huán)節(jié)，實現(xiàn)領域大模型創(chuàng)新，大量的人工輔助工作可以被替代（在領域大模型能力下，能夠“分配”到AI一側(cè)），數(shù)據(jù)相關業(yè)務的發(fā)展可以更大程度擺脫“人工”這個瓶頸，從而使得愛數(shù)為客戶提供的數(shù)據(jù)服務更具效率與效果。

而AnyShare認知助手，就成為這種分工協(xié)作深化的一種具象化展示。

在政企組織當中，數(shù)據(jù)、知識的規(guī)模日益龐大，文檔數(shù)量十萬級、百萬級甚至千萬級，不要說人工查詢、再利用成本高昂，就算企業(yè)真的投入大量資源，人工可能也無法在能力上完成相關的工作——實在是太多了。

這時候，領域大模型能力的價值就展現(xiàn)出來。AnyShare認知助手能夠在政企組織海量信息與知識中承擔分類、檢索、整理等工作，將人與機器的“分工協(xié)作”進一步深化，將人從這些重復繁重的工作中解脫出來。

例如，在智能制造賽道上，AnyShare認知助手可以實現(xiàn)客戶/合同畫像的系統(tǒng)整理，可以為各類繁雜設備建立知識圖譜，能夠?qū)崿F(xiàn)智能的營銷管理等等，最終實現(xiàn)全鏈條的數(shù)據(jù)驅(qū)動。

在數(shù)字政府領域上，AnyShare認知助手能夠有效提高辦文辦事辦會的效率，實現(xiàn)輔助撰寫公文、輔助閱讀產(chǎn)業(yè)政策、智能化一網(wǎng)通辦等。

類似的，還有智慧校園領域幫助實現(xiàn)教學科研一身輕，在金融數(shù)字化方面推動投研工作智能化提效，等等。

總之，領域大模型深入垂直場景，承擔了很多過去AI無法承擔的工作，讓大模型在“分工協(xié)作”上更進一步，這實際上也推進了人在工作中的價值展現(xiàn)，遠離“低價值的重復勞動者”，讓業(yè)務執(zhí)行更有意義和成就感。

內(nèi)容管理的“分工協(xié)作”，AnyShare認知助手進行了一次全覆蓋

AnyShare認知助手是作為AnyShare Family 7 智能內(nèi)容管理平臺的一大特性出現(xiàn)的，讓后者實現(xiàn)了智能化升級。

細化到內(nèi)容管理的具體業(yè)務上，可以發(fā)現(xiàn)AnyShare認知助手在三個閉環(huán)的環(huán)節(jié)都實現(xiàn)了“分工協(xié)作”的覆蓋，只不過實現(xiàn)的方式和側(cè)重各不相同。

1、在信息獲取環(huán)節(jié)，智能搜索實現(xiàn)“人找內(nèi)容”到“內(nèi)容找人”

搜索是內(nèi)容管理最首要的環(huán)節(jié)，而通常來說，類似大眾搜索引擎那樣輸入一個需求得到一個對應的反饋，同樣是組織內(nèi)部員工在內(nèi)容管理方面的“常規(guī)操作”。

但是，如果信息量十分龐大，這種傳統(tǒng)搜索方式就會面臨很多問題。例如，要得到盡可能全面的信息，就必須大量重復搜索的動作，不斷地“找”到信息并自己整合起來。而且，因為系統(tǒng)只反饋用戶發(fā)送的搜索指令，用戶得到的信息是否全面與系統(tǒng)，完全依賴個人經(jīng)驗。

AnyShare認知助手的智能搜索，解決了這個問題。

如果說過去的點對點搜索是“人找內(nèi)容”，那么AnyShare認知助手的智能搜索就是“內(nèi)容找人”，一個搜索訴求下，系統(tǒng)會反饋一整套相關的知識內(nèi)容。

不再需要重復的搜索動作，不再需要思考有沒有沒兼顧到的維度，這些通通甩給了AnyShare認知助手，“分工協(xié)作”進一步深化，人只需要思考究竟什么才是業(yè)務最需要的知識即可，將精力聚焦到企業(yè)發(fā)展和業(yè)務創(chuàng)新之上，下達最恰當?shù)乃阉髦噶睢?/p>

2、在知識吸收環(huán)節(jié)，輔助閱讀幫助用戶快速找到真正需要的關鍵點和關聯(lián)點

在搜索結(jié)果給到后，通過海量的閱覽找到重要的、關鍵的信息點，是必要的動作。

在過去，能夠快速閱覽并準確摘出信息點往往被視為一項“能力”。但是，從來沒有人想過，也許這種“能力”原本就是不必要的，人的精力不應該花在對繁雜信息的消化吸收上，而應該更聚焦于獲得關鍵點和關聯(lián)點之后，如何將它們應用好、推動業(yè)務。

AnyShare認知助手借助領域大模型等能力，同樣在“接手”這類工作，讓人從長時間的閱覽動作中解放出來。

任何一個文本內(nèi)容，AnyShare認知助手都能快速幫助人識別出其中關鍵信息點，以及信息點之間有什么關聯(lián)。

對用戶而言，AnyShare認知助手等于將最重要的內(nèi)容干貨呈現(xiàn)在了面前，內(nèi)容閱覽的效率大大提升，可以快速找到想要的知識應用到相關業(yè)務中去。

3、在創(chuàng)作輸出環(huán)節(jié)，以全程協(xié)同的方式手把手推動優(yōu)質(zhì)內(nèi)容產(chǎn)出

列一個大綱，需要什么信息，左翻翻、右找找，自己整理、呈現(xiàn)并匯入一個邏輯點下，一步步完成一個文稿的創(chuàng)作……

這是過去內(nèi)容創(chuàng)作輸出的通常做法。

可以發(fā)現(xiàn)，除了核心觀點的呈現(xiàn)，創(chuàng)作的大部分的精力都不得不花在人工知識的整理與分析上，且依賴個人經(jīng)驗進行觀點萃取和結(jié)論提煉，難以保證分析的客觀性和全面性，這顯然是不合理的。

AnyShare認知助手讓內(nèi)容引用等大量“體力勞動”不再需要，且給到最恰當、最合理的知識內(nèi)容提煉，用戶可以集中精力輸出優(yōu)質(zhì)工作成果，呈現(xiàn)最核心的價值內(nèi)容。

一份報告，核心觀點和意見才是創(chuàng)作者最應該聚焦的地方，也只有讓精力都集中在這里，才能最大程度保證內(nèi)容創(chuàng)造的價值。

過去，缺乏通用能力的AI難以在這方面有所作為，現(xiàn)在，領域大模型來了，AnyShare認知助手讓這種“分工協(xié)作”成為現(xiàn)實。

“分工協(xié)作”的深化只能來源于“機器”能力的長期積累與提升

很明顯，沒有“機器側(cè)”能力的提升，“人工側(cè)”就無法將那些重復而繁重的工作分配出去，“分工協(xié)作”的深化也就無法實現(xiàn)。

AnyShare認知助手之所以能夠?qū)崿F(xiàn)前文一系列場景價值，與愛數(shù)建立的“領域認知智能”架構(gòu)密不可分。

目前，在大模型興起的大背景下，愛數(shù)以AnyDATA領域認知智能框架為統(tǒng)一AI框架，為AnyBackup、AnyShare、AnyRobot、AnyFabric的全域數(shù)據(jù)能力提供起了智能支撐。圍繞全域數(shù)據(jù)，幫助客戶實現(xiàn)數(shù)據(jù)資源化、數(shù)據(jù)知識化乃至業(yè)務智能化，挖掘數(shù)據(jù)資產(chǎn)價值，助力數(shù)據(jù)資產(chǎn)變現(xiàn)交易。

在這里，領域大模型、私域數(shù)據(jù)、領域知識網(wǎng)絡互補共存，政企組織將實現(xiàn)類似人一樣的高級認知能力，這也是領域大模型的目標所在。

AnyShare認知助手在幾個內(nèi)容場景的出色表現(xiàn)，離不開這個架構(gòu)下的各項能力支撐。

在實際技術(shù)實現(xiàn)上，愛數(shù)圍繞領域認知智能已經(jīng)完成了一套包含基礎層、認知層、能力層、產(chǎn)品層的統(tǒng)一架構(gòu)：

在這個體系中解讀，就會發(fā)現(xiàn)能力層的AnyShare認知助手，受到了認知層AnyDATA的支撐。

例如，就智能搜索而言，在一系列能力的加持下，AnyShare認知助手得以更準確理解用戶意圖，獲取更精準、相關性更高的系統(tǒng)化搜索結(jié)果。這其中，領域大模型與搜索引擎結(jié)合能夠快速準確地處理億級以上數(shù)據(jù)量，并高效查詢與匹配，最終生成人類可理解的答案。

從整個行業(yè)角度看，對在整體上深耕人工智能場景化應用的廠商而言，大模型創(chuàng)新不是并不一定要是刻意為之的事，在原本的體系之上平滑引入大模型能力，以領域大模型創(chuàng)新就能快速催生類似AnyShare認知助手這樣的特性，讓大模型在場景中的應用直觀地展現(xiàn)出來。

這種從場景出發(fā)的領域大模型路線，更能讓人與機器的“分工協(xié)作”加速深化，讓大模型更高效、更深入地改變千行百業(yè)。

*本文圖片均來源于網(wǎng)絡

#智能相對論 Focusing on智能新產(chǎn)業(yè)新服務，這是智能的服務NO.233深度解讀

此內(nèi)容為【智能相對論】原創(chuàng)，

僅代表個人觀點，未經(jīng)授權(quán)，任何人不得以任何方式使用，包括轉(zhuǎn)載、摘編、復制或建立鏡像。

部分圖片來自網(wǎng)絡，且未核實版權(quán)歸屬，不作為商業(yè)用途，如有侵犯，請作者與我們聯(lián)系。

?AI產(chǎn)業(yè)新媒體;

?澎湃新聞科技榜單月度top5;

?文章長期“霸占”鈦媒體熱門文章排行榜TOP10;

?著有《人工智能 十萬個為什么》

?【重點關注領域】智能家電（含白電、黑電、智能手機、無人機等AIoT設備）、智能駕駛、AI+醫(yī)療、機器人、物聯(lián)網(wǎng)、AI+金融、AI+教育、AR/VR、云計算、開發(fā)者以及背后的芯片、算法等。