top of page

機械人兩面睇

Updated: Apr 28

我一方面很惶恐機械人很快接管我們的工作和生活,但也希望得到人工智能帶來的各種便利。一份美國消費者調研報告顯示,多達四分之三受訪消費者跟企業打交道時,曾經使用過聊天機械人服務;而在沒有用過聊天機械人服務的受訪者當,60%人表示這種服務不會讓他們感覺不舒服。 上述數字有點意料之外,雖然人與人之間的交流十分重要,但就簡單的任務而言,人們更看重便利。該項調查還發現,35%的受訪者指出,節省時間是他們使用聊天機械人服務的首要原因。另外,54%人認為如果可以節省10分鐘,他們寧可跟聊天機械人而不是人類客服交談。 在一些常見的客戶服務中,消費者更希望在機械人的協助下完成,例如查看存款餘額、查詢銀行交易明細及更新賬戶資訊,預約服務時間(包括預訂餐廳、理髮等)和換乘航班更是消費者心目中位居前列的兩項任務。不過,若這些服務的安排出了問題,消費者還是希望得到人類的協助。同時,超過半數(52%)的消費者對AI技術的發展樂觀其成。 有些企業可能覺得,聊天機械人會令人「毛骨悚然」而嚇跑消費者,但數據並不支持這一看法,只有不到1%的受訪者提出聊天機械人使他們感到不安。 當然我不是鼓勵企業不再需要僱用更多客服代表,而是要考慮利用人機結合方式為客戶提供服務。最近網上流傳谷歌一段客戶打電話到餐廳訂位的影片,大部分人最初以為客服是一個聊天機械人,結果意外的是訂位的客人才是機械人。我曾經在一些演講場合說過:未來比併的是誰擁有的機械人比別人強,然後是機械人「吃」什麼優質數據讓它更smart。 然而,作為一個普通人類,似乎我更擔憂的是這些機械人有沒有道德底線?我會不會被一直「出賣」?若要解決這些問題,規則該是誰去制訂及如何制訂?

Recent Posts

See All
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page