Pour être honnête, les agents d'IA à usage général prétendument "omnipotents" dans le domaine vertical se heurtent souvent à un mur, mais j'ai davantage confiance dans le développement de l'IA verticale. Récemment, dans le domaine médical, OpenEvidence en est un parfait exemple - il ne s'agit pas d'une rhétorique générale sur l'IA, mais d'un travail honnête dans le domaine vertical de la médecine, qui a permis de créer un outil véritablement intelligent qui peut être reconnu par les médecins. Cela me rappelle le sentiment d'un médecin-chef d'un hôpital tertiaire qui participait à un sommet sur l'IA médicale l'année dernière : "Ce dont nous avons besoin, c'est d'une IA capable de lire les films de tomodensitométrie, pas d'une IA capable d'écrire de la poésie".

Percées verticales de l'IA
Pourquoi l'IA verticale a-t-elle plus de chances de réussir ? La clé réside dans le mot "focus". Par exemple, l'année dernière, une banque a déployé un système intelligent de contrôle des risques, grâce à l'apprentissage en profondeur de millions de données de transaction, et peut désormais identifier 98% de transactions frauduleuses en temps réel - ce chiffre est supérieur de plus d'un ordre de grandeur à celui de n'importe quelle IA à usage général. En fin de compte, la logique commerciale d'une entreprise verticale est comme une horloge de précision, où chaque rouage doit s'emboîter étroitement, et comment une IA générique pourrait-elle essayer de frapper toutes les pièces avec un seul marteau sans aucun problème ?
Les barrières de données sont les véritables douves.
Je me souviens d'une discussion avec un ami qui travaille dans le domaine de l'IA juridique. Il m'a dit qu'il lui avait fallu plus d'un an pour organiser les données relatives aux affaires provenant du site web d'adjudication en un graphe de connaissances utilisable, mais que c'était ce processus apparemment ennuyeux qui permettait à son assistant juridique intelligent de citer avec précision des lois et des jurisprudences spécifiques. Au contraire, certaines IA génériques, bien qu'articulées, se mettent à bafouiller lorsqu'elles rencontrent des problèmes professionnels. Cela ne peut manquer de faire réfléchir : à l'ère de l'IA, peut-être la profondeur des données est-elle plus importante que l'étendue des algorithmes ?
Les défis de l'atterrissage de l'IA verticale
Bien entendu, le développement de l'IA verticale ne se fait pas toujours sans heurts. L'année dernière, un projet d'IA dans le secteur de la fabrication a rencontré un problème typique : il est difficile de convertir en données l'expérience opérationnelle des professeurs d'usine. Cela nous rappelle également que l'IA n'est pas une panacée, en particulier dans les domaines qui reposent sur des connaissances tacites, la collaboration homme-machine peut être la meilleure solution. Cela dit, n'est-ce pas exactement là que l'IA devrait être positionnée ? Elle doit être le bras droit de l'homme, et non le remplacer.
En observant de plus en plus de domaines verticaux de l'IA qui ont commencé à émerger, je pense que cette vague d'IA a vraiment trouvé la bonne direction. Après tout, plutôt que d'être un "médecin universel" qui sait tout mais n'est pas compétent dans tous les domaines, il vaut mieux devenir un "consultant expert" dans un certain domaine. Qu'en pensez-vous ?
评论列表 (9条):
加载更多评论 Chargement...