AI深度研究员
2024-10-29
No.215
AI精选（214）-人工智能领域内的最新进展：思科推出AI代理以辅助人工客服
主理人：
今日精选，深度丰富、精彩纷呈!我们诚邀大家继续关注并订阅我们内容，AI时代不落后，让每一天都充满启发和价值
一、思科推出AI代理以辅助人工客服
背景：思科认为，未来几年内，AI将能处理大部分客户服务电话。为此，该公司推出了新的会话式AI代理，旨在减少等待时间，优化客户服务体验。
Webex AI代理：在思科的WebexOne会议上发布，预计于2025年初上线。此AI代理将充当客户服务的AI助手，能够通过自然语言交互处理客户问题。
创新优势：这款代理能够应对复杂任务，如重新预订航班、信用卡更换等，通常需要人工干预的操作也可以处理，提升了客户服务的响应速度和解决率。
二、Adobe认为艺术家应拥抱AI，否则难以成功
自2022年AI技术兴起以来，Adobe不断在其产品中加入生成式AI，尽管其主要用户群体——数字艺术家——对AI的态度日益负面。
Adobe的生成式AI副总裁Alexandru Costin表示，拒绝AI的创作者在新的数字时代中难以成功，因为未来Adobe的所有工具都会包含AI功能。他建议用户不要使用没有AI功能的旧版软件。Adobe数字媒体部门总裁David Wadhwani补充道，即使AI生成的内容不会达到手工艺术的价值，传统创作依旧被需要。他认为，真正手工创作的艺术在未来将更加珍贵。
Adobe推动AI的决定被认为主要是出于盈利考量，尤其是基于其AI功能（如Firefly）的高市场接受度。
来源：https://80.lv/articles/adobe-says-artists-should-embrace-ai-if-they-want-to-be-successful/
三、研究指出用于医院的 AI 转录工具可能编造对话内容
OpenAI 推出的 AI 转录工具 Whisper 被认为接近“人类级别的稳健性和准确性”，但存在重大缺陷：经常会编造内容，行业内称为“幻觉”。
研究人员发现 Whisper 生成的“幻觉”可能涉及种族评论、暴力言论，甚至虚构的医疗处理。Whisper 被广泛应用于访谈、字幕生成等领域，尤其在医疗领域用于转录医患对话，尽管 OpenAI 曾警告不应在“高风险领域”使用。一些研究人员发现，在每10个音频转录中有8个会出现“幻觉”，另一些则发现超半数转录含有不准确内容。
研究表明，即便是短小、录音质量良好的音频片段，也可能存在问题。Whisper 常被用来生成字幕，特别是为聋人和听力障碍人士服务，这些人可能无法识别幻觉内容。
四、Saras AI研究所推出全球首个专注于AI的大学学位课程
Saras AI研究所成立，推出了全球首个专门针对人工智能的在线高等教育学位课程，包括副学士学位和学士学位。与传统的AI证书项目不同，Saras提供全面的学位教育，帮助学生在快速扩展的AI行业中脱颖而出。
课程设置：该课程由顶级AI雇主和实践者参与设计，涵盖了从理论到实际应用的AI知识，包括最终的毕业项目和实习，学生将获得开发真实AI产品和解决方案的实践经验，强调AI的伦理和负责任的应用。
就业机会：毕业生将获得直接进入AI岗位的技能，如AI/ML工程师、数据科学家和生成式AI工程师，这些岗位在当前就业市场中具有较高的薪资竞争力。
来源：https://finance.yahoo.com/news/saras-ai-institute-launches-world-130900272.html
五、小型AI模型或为零售商带来显著成本优势
零售商正在通过小型AI模型降低运营成本，这些模型比大型模型更经济高效，同时能够提供类似的准确性。
H2O.ai推出的两个小型AI模型（0.8亿和2亿参数）用于文档处理和文本识别，已在Hugging Face上免费提供。这些模型专注于光学字符识别（OCR）等任务，并且在一些基准测试中超过了更大的竞争对手。小型模型的优势在于，它们所需的计算资源更少，可以帮助中小型企业（SMBs）优化库存管理、需求预测和自动化补货，从而增强运营效率。
这些小型模型降低了新企业的进入门槛，让初创公司无需昂贵的GPU集群即可部署专注于动态定价和需求预测等高价值任务的AI解决方案。在客户服务领域，AI可以处理常规查询，而复杂的支持任务则由人工接手，提升了服务质量和效率。
六、环球音乐与“伦理AI音乐公司”Klay Vision达成战略合作
合作内容：环球音乐集团（UMG）与洛杉矶的AI音乐公司Klay Vision达成合作，致力于创建“符合音乐产业和创作者利益的商业伦理AI模型”。
目标：合作聚焦于在AI生成音乐的过程中尊重版权并推动音乐创作，旨在确保AI技术不会威胁人类创作者的权益，同时开创音乐版权盈利的新途径。
Klay Vision的定位：Klay致力于成为支持AI音乐创新的核心力量，为音乐行业提供新产品和体验，并承诺不会与现有音乐目录直接竞争。
主要项目：Klay计划推出一种新的“大型音乐模型”（KLayMM），以改进音乐AI技术，并预备在未来几个月内发布其产品。
七、PersonaTalk：字节跳动开发出可精准给视频进行AI配音的模型
能保持口型同步、说话风格完美匹配 只需输入音频和参考视频，即可生成同步的视觉配音 不仅让嘴唇动作与音频完美匹配，还能保留说话者的个性特点，比如说话的速度、语调和表情。
还能同步说话者的风格，比如轻松、严肃或激动的语气，让配音更生动。 不仅如此，还能实现视频翻译，将视频说话者的语音翻译成其他语言。
八、NotebookLlama：Meta 发布了一个通过Llama
从 PDF 文件生成播客的引导式教程
1、使用 Llama-3.2-1B-Instruct 模型，从 PDF 文档中提取文本内容，生成干净的 .txt 文件。
2、再使用 Llama-3.1-70B-Instruct 模型，将处理后的文本转化为播客转录，生成富有创意的内容。
3、通过 Llama-3.1-8B-Instruct 模型对转录进行戏剧化处理，使其更具吸引力和互动性。
4、将生成的文本转换为播客音频，使用多个文本到语音模型，也可以自己选择其他TTS模型。