AI时代的数据传输工程：从孤立数据到智能协作的转变

　　在AI时代，数据传输工程意味着什么？许多顶级专业人士认为，这比过去任何时候都更加重要。毕竟，人工智能的工作原理是接收信息并处理它——这与人类大脑的工作方式惊人地相似。

　　信息本身很有价值，处理过程也同样宝贵。此外，大语言模型的现代进展为我们提供了看待数据传输的新方式。

　　William Lindskog Munzing在演讲中介绍了一个名为Flower的应用，他指出传统上数据一直被困在孤立的系统中。

　　他说，目标是将AI移动到数据所在的位置。随着量化、基础模型和低比特系统的发展，边缘AI已成为现实——能够将AI定位在数据已存在的地方，而不是将其移植到集中式数据中心。

　　我们相信数据应该保留在其产生的地方，他说。数据从不传输，它保留在你的设备中，你的汽车中，或者医院中。

　　他补充说，这个ISO认证的项目也非常通用。我们在部署运行时方面做了很多工作，所以现在你很容易在CPU、GPU上运行实验，然后将其扩展到实际的现实世界部署，如果你想添加安全机制、身份验证等功能。

　　他解释说，数据显示中小企业（SME）的平均效率约为大企业的50%，仅仅因为糟糕的潜在客户管理，中小企业集体损失高达5000亿美元的收入。

　　作为解决方案，Meshify会扫描专业人士的收件箱，进行跟进，并为他们提供自动化的CRM洞察。

　　值得注意的是，这个项目使用了MIT同事开创的NANDA去中心化网络理念。实际上，Flower也是如此，这表明为AI创建功能性网络协议的倡议正在获得动力。

　　这场演讲有所不同，因为Aggarwal并不是在推广特定的初创公司或产品。相反，他谈论的是周期——从辅助到增强再到自动化的周期，以及AI发展的优先事项，包括：

　　人类的优势需要被放大，Aggarwal说。如何培训银行家进行认知和决策，当人们被设计为直线思维时？在环境中谈判和做出道德决策的能力是最重要的方面。

　　在提及需要控制银行业变革文化时，Aggarwal从董事会角度分析了AI活动的许多方面，引述了从传统银行业到数字银行业，再到智能银行业的渐进变化和演进。

　　最重要的部分是，当你将人类和AI智能体结合在一起时，你是控制AI，还是控制AI和人类共同做出的决策？这是最重要的方面。当监管者审查用例时，他会问：我能重复这个用例吗？我能重复被问的问题吗？如果你不能，你就无法真正批准他们的用例。

　　换句话说，管理人类和AI智能体的管理者与仅管理人类的管理者有着不同的角色。你正在管理人类与技术的交集。

　　A：Flower应用的核心理念是将AI移动到数据所在的位置，让数据保留在其产生的地方，从不传输。数据会保留在用户的设备中、汽车中或医院中，解决传统数据被困在孤立系统中的问题。

　　A：Meshify通过扫描专业人士的收件箱、进行自动跟进，并提供自动化的CRM洞察来帮助中小企业。数据显示中小企业仅因糟糕的潜在客户管理就损失高达5000亿美元收入，Meshify正是为解决这一问题而设计的。

　　A：管理人类和AI智能体需要控制的是AI和人类共同做出的决策，而不仅仅是控制AI本身。管理者需要确保用例的可重复性和可验证性，能够重复用例和问题，这样监管者才能批准相关用例。