快訊!我的新書登上天瓏網路書店11月份暢銷榜第一名啦!看過的都說讚!歡迎大家前往訂購!
>>>> AI 職場超神助手:ChatGPT 與生成式 AI 一鍵搞定工作難題 <<<<

吳恩達:前瞻 AI Agents,顛覆未來想像

影片介紹

應專注於構建現在可以實現的應用

AI 技術堆疊(AI stack)的理解如下圖,最下面是半導體技術,接著雲端層、基礎模型層

吳恩達認為:對於台灣的許多企業而言,最好的機會是專注於構建現在可以實現的應用

而AI 代理工作流程則是能夠讓應用更加聰明的關鍵

代理式 AI 系統如何運作

  • 反思模式(Reflection Design Pattern)
    首先先讓AI 撰寫程式碼,接著讓它檢視自己剛剛撰寫的程式碼,進行批評並提出改進建議。同樣的步驟反覆多次
  • 多代理模式(Multi-Agent Pattern)
    一個代理生成程式碼,而另一個代理則專門負責批評前者的成果,兩者互動後產生更好的結果

越來越多的團隊在實施不止一個單一的代理,而是建立多個 AI 代理的協作系統。

「管理者思維」的設計模式

類似於管理者僱用多名員工來完成不同的任務。例如,你可以設計三到四個 AI 代理,分別負責程式碼撰寫、行銷設計或其他專業領域的工作,然後讓它們彼此協作。

當前 AI 領域的其他五個重要趨勢

半導體領域的發展對應用層很重要

從 AI 模型訓練到部署的時間大幅縮短。以前從數據收集、模型訓練到部署可能需要 6 到 12 個月,而現在透過語言模型的提示工程(Prompt Engineering),許多原本需要半年開發的原型,只需 10 天就能完成。

文本處理革命已經發生,而影像處理革命即將發生

由於傳輸數據的成本和技術瓶頸大幅降低,而數據處理成本(特別是 AI 處理)仍然昂貴,企業開始傾向於將數據分散到不同的地方,根據需要傳輸和處理數據。

非結構化數據的工程化管理。過去,企業主要處理結構化數據,例如表格和數字。但現在隨著 AI 現在能更好地理解文本、圖片和音訊,更多的數據工程需要集中在如何使公司為這些非結構化數據做好 AI 準備。

AI 正在顛覆許多產業

這是一張來自賓夕法尼亞大學(UPenn)研究論文的圖表。不同於以往的自動化浪潮主要影響低薪工作,AI 現在也可以自動化許多知識型工作者的任務。

圖表中,橫軸表示薪資,縱軸表示不同職業受 AI 自動化影響的程度。有趣的是,高薪工作往往更容易受到這波 AI 自動化的衝擊。與早期的 AI 世代不同,以前的 AI 更傾向於影響低薪重複性工作的自動化,而現在的 AI 更有能力影響高薪專業工作的自動化

執行AI創新的關鍵步驟

  1. 高層管理者 AI 簡報:讓企業領導者了解 AI 的運作原理,從非技術的商業角度學習 AI 的基本運作方式,幫助企業識別商業機會。
  2. 工作任務分解:將工作拆解成任務,分析哪些適合 AI 自動化,進而揭示潛在機會。每份工作由許多任務組成,我們會將其分解,找出哪些任務適合 AI 自動化。我們發現,通過這種系統化分析,我們能揭示出許多原本未曾想到的機會。
  3. 激發新模式:AI 不僅能降低成本,更可能創造新的商業模式和增值機會。事實上,通過這種系統化分析來拆解工作並將部分的工作自動化,很時候,這過程會讓某些任務的成本降低成千上萬倍,從而創造出全新的商業模式,而不是僅僅取代現有的工作流程。
  4. 自建與購買抉擇:對於大多數企業而言,自行開發(Build)還是外購(Buy) AI 解決方案是一個常見的抉擇。我們通常建議,如果市場上已經存在解決方案,那麼直接購買即可。但由於 AI 技術還相對新穎,許多企業需要的解決方案根本還不存在,因此它們最終往往選擇自行開發,甚至投資創建新公司。這種工作任務分解的流程幫助企業高效地建構和採用 AI 技術,同時避免企業承擔過多的開發風險。我認為,透過這種方式,企業能夠從 AI 技術中獲得長期的益處。

分析你的工作內容,識別哪些部分AI可以幫忙

  • 工作由許多任務組成。AI 是自動化任務,而非整個工作。
    • 將員工執行的工作分解為各個任務。
    • 分析各項任務,以評估其 AI 自動化或增強的潛力。

範例:客服代表

任務AI 潛力
回答客戶文字聊天查詢
記錄客戶互動
檢查訂單狀態
接聽電話
分流處理投訴

17年資歷女工程師,專精於動畫、影像辨識以及即時串流程式開發。經常組織活動,邀請優秀的女性分享她們的技術專長,並在眾多場合分享自己的技術知識,也活躍於非營利組織,辦理活動來支持特殊兒及其家庭。期待用技術改變世界。

如果你認同我或想支持我的努力,歡迎請我喝一杯咖啡!讓我更有動力分享知識!