AI TrendTrackers

科技领导者的角色正在快速演变。随着大型成熟公司不断走向数字化，推出互联产品和服务，领导或参与生态系统，这些领导者需要在众多要求和时间安排上保持平衡。而随着数字技术在企业中变得无处不在，这些需求和机会往往超出了传统CIO角色的范围。 自2007年以来，麻省理工学院的CISR一直在研究科技领导者们如何分配他们的时间，并分析顶尖公司中的领导者与其他人的不同。在这份简报中，他们分享了十五年来科技领导者时间分配的变化，并着眼于那些在成功指标上领先同行的公司的科技领导者们的时间分配。为了阐释这些发现和所学到的经验，迪士尼体验的技术领导者盖尔·埃文斯描述了她如何分配自己的时间。 科技领导者如何分配时间 研究人员询问了科技领导者们在2007年、2016年和2022年是如何分配他们的时间的。在2007年和2016年，大多数科技领导者担任的是首席信息官（CIO）的职务。但到了2022年，越来越多的科技领导者担任不同的职务，因此研究也包括了首席技术官（CTO）和首席数字官（CDO）等角色。在这项研究中，他们识别出了四个竞争科技领导者注意力的角色：（1）运营自己的技术职能，（2）与商业同事合作，（3）管理补充企业业务能力，（4）与外部客户或渠道合作伙伴合作。 以下是截至2022年底，科技领导者在每个角色上的平均时间分配百分比： 运营自己的技术职能：41% 这一角色是任何科技领导者信誉和信任的基础和主要来源。它包括领导技术职能；监督预算、安全和合规性；以及执行许多其他任务。科技领导者在管理技术职能上花费的时间受到许多因素的影响，例如他们接手时技术部门的状况、公司的业务战略和数字化雄心，以及公司资产和平台的成熟度。在研究人员研究科技领导者时间的十五年里，他们看到了科技领导者在这一角色上花费时间的小幅减少。 与商业同事合作：23% 这一角色关注于科技领导者作为公司高级官员的活动。科技领导者与他们的主要职责以外的同事合作，涉及诸如战略、能力、创新和并购等领域。此外，这一角色的一个关键部分是提高科技领导者商业同事的数字化敏锐度，并解释在数字化和AI驱动的世界中可能发生的事情。随着时间的推移，研究人员看到科技领导者在这一角色上花费的时间显著减少——在2007年，这一比例是他们时间的36%——这很可能是因为他们非技术导向的同行的数字化敏锐度稳步提高。 管理补充企业业务能力：19% 科技领导者的一个日益重要的角色是同时运营一个补充其主要职责的企业业务能力。这些能力有助于通过提升组织的运营、文化和客户提议来从技术中获取价值。补充能力的例子包括风险管理、数据服务、共享服务、数字创新以及环境、社会和治理（ESG）管理。随着时间的推移，研究人员看到科技领导者在这一角色上花费的时间比例显著增加，自2007年以来几乎翻了一番。 与外部客户或渠道合作伙伴合作：17% 随着公司与客户和渠道合作伙伴的数字化联系越来越紧密，科技领导者在这一角色上花费的时间正在增加。科技领导者与外部客户或合作伙伴合作，销售、连接和提供服务，通过加强与客户的关系使公司更加成功。花在这一角色上的时间对于公司的创新也至关重要，因为它有助于理解客户的需求，无论是现在还是未来。随着时间的推移，研究人员看到平均科技领导者在这一角色上花费的时间增加了70%。 科技领导者时间分配的关键点 在未来的简报中，研究人员将分享这些发现的更深入分析，但以下是关键要点： 创新排名前四分之一的技术领导者花更多时间与客户在一起。与排名最低四分之一的公司的技术领导者相比，他们花了20%的时间与外部客户和渠道合作伙伴合作，而后者则是12%。创新是根据过去三年中新推出的产品占营收比例来衡量的。 盈利增长排名前四分之一的技术领导者花更多时间在补充企业能力上。与排名最低四分之一的公司的技术领导者相比，他们花了22%的时间管理补充企业业务能力，而后者则是14%。盈利增长是通过综合自我报告的增长和与竞争对手相比的盈利能力来衡量的。 迪士尼的盖尔·埃文斯的时间分配 盖尔·埃文斯是迪士尼体验的执行副总裁、首席数字和技术官，这是华特·迪士尼公司的三大业务部门之一。迪士尼体验将迪士尼强大品牌和特许经营的魔力带入全球家庭和粉丝的日常生活中。该部门包括六个度假胜地、十二个主题公园、五十五家度假酒店、到2025年为止的一流邮轮公司、一个受欢迎的度假屋所有权计划、新的迪士尼品牌家庭社区、引导式冒险业务，以及沉浸式的专业发展和活动探索产品。 在她的角色中，埃文斯负责全球各地所有这些业务的数字和技术战略的开发和实施。她领导一个跨学科的全球团队，包括数字、技术、产品、数据和运营专业人员，将数字化和实体融合在一起，成为该部门增长战略和客户体验的核心。 迪士尼体验以创新、创造力、对客户体验的承诺和员工参与为指导。埃文斯回忆道：“我的日子从不无聊；总是充满机会。我和我的团队常说，‘在体验部，我们赋予魔力以生命。’” 运营她自己的技术职能：20% 埃文斯将运营技术职能描述为基本条件。她反思道：“技术职能是我非常热衷的事情。有很多机会可以追求，比如建立敏捷模型、绿灯和投资组合审查，以及核心技术服务。”技术职能需要以最高效率运行，以便埃文斯能够将时间投入到其他活动中，所以她组建了一个优秀的团队来负责日常运营。 与商业同事合作：30% 为了获得业务总裁的信任，证明埃文斯是一位考虑他们业务并不会盲目推广技术的商业领导者，她与他们的合作重点在于如何利用技术推动业务增长。这一角色包括与他们共同创造，倾听并找到帮助实现他们目标的方法，以及让他们了解利用他们可能尚未看到的技术的未来机会。这些对话产生了新的产品、服务和商业模式。 管理业务能力：35% 这一角色的目标是创造一个简单、引人入胜且跨生态系统一体化的完整客户体验。这之前导致了MagicBand+的开创性设计，这是一款增强迪士尼客户体验的RFID手镯，它提供了一种轻松方式，让客人可以数字化地使用迪士尼的许多服务，如在公园内购物、打开酒店房间的门，甚至新形式的讲故事和娱乐。埃文斯正在实施下一阶段的数字生态系统增强，通过实施开放式创新，使创新不仅仅是创新团队的工作，而是每个人的工作。为了实施这一开放式创新概念，埃文斯的团队开发了一个“创新即服务”的项目，包括一套创新模块。这包括黑客松和创意松、蓝天设计思维，以及一个测试和学习实验室，她的团队可以在其中创建可点击的原型，以测试各种创新的价值主张。埃文斯解释说：“[创新即服务]是一种思维方式，它是一种能力，非常受欢迎，而且继续取得了很好的成果。” 与外部客户和渠道合作伙伴合作：15% 华特·迪士尼曾经说过：“在我们这个多变的行业中，我们根本无法负担得起停下来休息，甚至没有时间回顾。时代和条件变化如此之快，我们必须始终将目光聚焦于未来。” 秉承这一传统，埃文斯坚信一个公司永远不能满足于现状，她继续培养现有的外部关系，因为这些关系可以提高生产力，提供学习机会，并创造新的商业模式。在她上任的第一个月，她会见了迪士尼的顶级外部合作伙伴，询问：“你认为你拥有的价值我们没有利用吗？我们如何一起共创客户价值？我们如何共同创新？” 时间分配中的机遇 作为一名阅读此简报的技术领导者，这是一个反思你今天如何分配时间以及未来十二个月应该如何改变的绝佳机会。一种有效的技巧是根据这四个角色对你的日程进行颜色编码，然后分析这些分配。 研究团队曾与一家大型科技公司的CIO做过这样的实验。在对其日程进行颜色编码后，这位技术领导者与团队会面，讨论这是否是正确的时间分配模式以及应该做出什么改变。他设定了新的时间分配目标，并与团队积极管理自己的日程来实现这些目标。每三个月，他和团队对这一过程进行微调，这导致了重大变化，包括花更多时间与外部客户交流。 你应该如何分配你的时间——也许是你最宝贵的资源呢？

伦敦报道 — 这些阿尔茨海默病病例有点奇怪。 一方面，病人的症状并不典型：有些人没有表现出这种病常见的症状。但更令人惊讶的是，这些病人的年龄，他们都在40到50岁，甚至30多岁，远比通常患上这种病的人年轻得多。他们甚至没有已知的可以导致早发性阿尔茨海默病的遗传突变。 但这些少数病例确实有一个共同的历史。他们在儿童时期接受了从人类尸体大脑中提取的生长激素治疗，这曾是治疗多种导致身材矮小的病症的方法。现在，几十年后，他们开始表现出阿尔茨海默病的迹象。与此同时，科学家们发现，他们接受的那种激素治疗可能无意中将蛋白质碎片转移到受者的大脑中。在某些情况下，它引发了一种致命的大脑疾病——克雅氏病（CJD），这一发现导致了40年前这种治疗方法的禁用。 看起来，不仅仅是CJD背后的蛋白质可以传播。正如科学团队在《自然医学》杂志上报告的，激素移植在一些接受者的大脑中播下了阿尔茨海默病的标志性β-淀粉样蛋白，几十年后，这些蛋白质演变成了导致疾病的斑块。这些是已知的首例传播性阿尔茨海默病病例，可能是科学上的异常现象，但这一发现为关于阿尔茨海默病真正成因的持续争论增添了新的变数。 “看起来这些人因为那种[激素治疗]而患上早发性阿尔茨海默病是真实的，”波士顿大学医学院神经退行性疾病专家本·沃洛辛（Ben Wolozin）说，他并未参与这项研究。 其他外部科学家也同意这些发现是合理的，特别是因为只有那些接受了以特定方式制备的尸体生长激素的人——一种无法消除蛋白质碎片的方法——才会发展成痴呆。 这种疾病的发生被称为“医源性”，意味着是医疗程序的结果。在像医源性CJD这样的条件下，可传播的病原体被称为朊病毒——基本上是错折叠的蛋白质碎片，它们继续导致疾病，就像一种传染性的虫子。 研究人员对朊病毒的定义存在争议，以及它是否可以包括淀粉样蛋白。但无论如何，该论文的作者们“提供了令人兴奋的证据，即在特殊情况下，阿尔茨海默病可以通过类似朊病毒的机制传播”，德国蒂宾根大学的马蒂亚斯·尤克尔（Mathias Jucker）和埃默里大学的拉里·沃克（Lary Walker）在也于周一发表的评论中写道。 论文的作者和外部研究人员都强调，阿尔茨海默病不是一种你可以通过照顾亲戚而感染的传染性疾病。与尸体生长激素治疗相关的病例现在也不再可能；几十年来一直使用合成激素代替。论文的作者们，在伦敦一家专门的朊病毒疾病研究和治疗中心工作，他们只描述了从1959年到1985年在英国接受过尸体生长激素治疗的1800多人中的五名阿尔茨海默病患者。不过，研究人员表示，这些发现提醒人们继续重视诸如消毒神经外科手术器械等做法的重要性，理论上，如果器械在病人之间未能得到适当清洁，可能会传播朊病毒。 但除了作为一种科学奇观——以及尸体生长激素使用的另一个后果示例——这些病例也可能激起关于阿尔茨海默病根源的长达数十年、常常引起争议的争论。 “从公共卫生的角度来看，我们认为这可能是相对较少的病例，”伦敦大学学院MRC朊病毒单位的约翰·科林奇（John Collinge）说，他是论文的高级作者。“然而，我们认为这篇论文的影响更广泛，涉及到疾病机制——看起来阿尔茨海默病的发生在许多方面都与人类朊病毒疾病如CJD非常相似，都涉及这些异常聚集的、错折叠的蛋白质和畸形蛋白质的传播。” 许多科学家相信，β-淀粉样蛋白在阿尔茨海默病的发展中发挥作用，而能够清除人脑中的这种蛋白质的疗法终于在数十年的失败尝试后开始对患者显示出一些好处。但大多数专家也认为淀粉样蛋白并不是唯一的罪魁祸首。那么在这些病例中，除了淀粉样蛋白的转移外，还有其他因素在起作用吗？ “这引发了关于淀粉样蛋白是否能够单独引起问题的问题，”法国CEA研究中心的阿尔茨海默病专家马克·登恩（Marc Dhenain）说，他没有参与这项新研究。 外部研究人员表示，他们对一些发现也感到困惑。他们指出，信息有限，报告的发现只来自少数病人，而且遗传测序和尸检结果只有部分病人提供。然而，他们指出，这些病人的大脑似乎并没有太多的炎症，这是阿尔茨海默病的另一个标志，可以由淀粉样蛋白引起。他们还想知道，为什么这些人的大脑中tau蛋白的存在量如此之少，尽管tau水平通常与认知能力下降相关。一些研究人员认为，这些病人可能有其他遗传突变，可能增加患阿尔茨海默病的风险。其中两名患者有智力障碍，这是另一个风险因素。 “病理是否可以传播？是的，它可以，这在概念上很重要，”沃洛辛说。“问题是，什么在推动疾病？这些罕见病例有许多奇怪的地方。从影像上看不清楚的是，为什么他们会那么快地发展成如此严重的痴呆？” 2015年，UCL朊病毒研究人员报告发现，在死于医源性CJD的患者的大脑中有大量的β-淀粉样蛋白，包括在大脑血管中的积聚，这种情况在大多数阿尔茨海默病患者中都有见到。这让他们假设病人接受的激素可能不仅被CJD朊病毒污染，还有淀粉样蛋白的种子。这也让他们怀疑，如果CJD没有杀死这些患者，他们是否会发展成阿尔茨海默病。 论文描述了从2017年到2022年在英国国家朊病毒诊所治疗的八名患者，他们中没有人患有CJD，只有一些人被发现患有阿尔茨海默病。他们小时候因为不同的矮小病因接受了激素治疗：有些人患有脑瘤，其他人有发育状况，其他人只是缺乏自己的天然激素。 他们中的五个被诊断出患有阿尔茨海默病，或很可能患有阿尔茨海默病，他们的症状开始于38岁到55岁之间。在其他三名患者中，两人有一些认知障碍，而第三人无症状。 研究人员指出，医源性CJD的表现通常与更常见的散发性病例不同，因此传播的阿尔茨海默病病例可能在某些方面与典型病例有所不同。 论文的主要作者加尔吉·班纳吉（Gargi Banerjee）表示，UCL的研究人员考虑了这些患者阿尔茨海默病的其他可能原因。鉴于患者的年龄，这些不是散发性病例，后者几乎总是只在晚年发展。这些患者并没有已知的可以导致早发性痴呆的遗传突变。研究人员还考虑了患者最初接受激素治疗的潜在原因——是因为他们的癌症治疗还是先天性状况？——但这也不太可能是解释。 班纳吉说：“关于这个群体的事情在于，要把他们作为一个整体来考虑。在有症状的人中，他们有各种不同的疾病，但唯一的共同点是他们都在童年时接受了这种特定类型的生长激素，这种特定的制备方式……没有其他统一的原因。”

周日，Elon Musk 的神经科技初创公司 Neuralink 在人类身上首次植入了他们的设备，而且据这位亿万富翁周一在 X（以前叫 Twitter）上说，患者恢复得挺好的。 这家公司正在开发一种大脑植入物，目的是帮助严重瘫痪的患者仅凭神经信号就能控制外部技术。在去年秋天获得美国食品和药品管理局（FDA）的批准后，Neuralink 开始招募首批人体临床试验的患者，这一消息来自一篇博客文章。 Musk 周一表示，Neuralink 的首款产品名为“心灵感应”，这是他在 X 上发布的消息。 如果这项技术能够正常运作，像肌萎缩侧索硬化症（ALS）这样的严重退行性疾病患者将来可能会通过植入物来沟通，甚至通过移动光标和心灵打字来使用社交媒体。 “想象一下，如果史蒂芬·霍金能比速记员或拍卖师交流得更快，” Musk 写道。“那就是我们的目标。” 这次人体临床试验只是 Neuralink 向商业化迈进的众多步骤之一。医疗设备公司在从 FDA 获得最终批准之前，必须经历几轮严格的数据安全收集和测试。 全球各地都在合法化大麻，你猜接下来会是什么？ Neuralink 没有透露将有多少人参与其首次人体试验。该公司没有立即回应 CNBC 关于最近手术的评论请求。 作为新兴的脑-计算机接口（BCI）行业的一部分，Neuralink 可能是这个领域最知名的公司，这要归功于 Musk 的高知名度，他还是特斯拉和 SpaceX 的 CEO。BCI 是一个解析大脑信号并将它们转换成外部技术命令的系统，Synchron、Precision Neuroscience、Paradromics 和 Blackrock Neurotech 等公司也开发了具有这些功能的系统。 Paradromics 计划在今年上半年进行首次人体试验。Precision Neuroscience 去年进行了其首次人体临床研究。一位接受了 Synchron BCI 的患者在 2021 年通过 CEO Tom Oxley 的 Twitter…

​ 加入请求下载的名单： https://bit.ly/3Oil6bQ Meta最近更新了它的代码生成AI模型，Code Llama 70B，这可是迄今为止“最大也是表现最好的模型”呢。这个Code Llama工具自去年八月推出以来，就已经免费开放给研究和商业用途了。根据Meta AI博客上的一篇文章，Code Llama 70B能够处理比以往版本更多的查询，这意味着开发者可以在编程时向它提供更多的提示，而且它的准确度也更高。 在HumanEval基准测试中，Code Llama 70B的准确率达到了53%，这比GPT-3.5的48.1%还要高，接近OpenAI报告中GPT-4的67%的标准。 Code Llama是基于Llama 2构建的，它帮助开发者根据提示创建代码字符串，并对人类编写的工作进行调试。去年秋天，Meta同时推出了另外两款Code Llama工具——Code Llama – Python和Code Llama – Instruct，这两款工具专注于特定的编程语言。 相关资讯 马克·扎克伯格的新目标是创造全面的人工智能 Code Llama 70B有三个版本的代码生成器可供选择，而且无论是研究还是商业用途，都是免费的。这个大型模型接受了1TB的代码和相关数据的训练。它托管在代码库Hugging Face上，该库提供GPU来运行AI模型。 Meta表示，其较大的模型，34B和70B，“返回最佳结果，并为更好的编码协助提供支持”。 过去一年里，其他AI开发者也发布了代码生成器。亚马逊的CodeWhisperer于四月推出，而微软则利用OpenAI的模型推出了GitHub Copilot。 ​

“微软宣布了一个名为‘Voice Clarity’的新功能，利用人工智能技术提升Windows 11上的视频通话体验。这个功能之前只在Surface设备上有，现在所有用户都能用了，它在最新的Windows 11 Canary版本中首次亮相。 还有，微软CEO萨蒂亚·纳德拉将于2月访问印度，重点可能会放在AI上。 这个新鲜出炉的‘Voice Clarity’功能由复杂的AI模型驱动，能在实时中消除背景噪音、减少混响和取消回声。 微软在博客中写道：“‘Voice Clarity’是一个利用最先进AI技术增强Windows音频体验的功能。这个功能由简单的AI模型驱动，能实时取消回声、压制背景噪音，并减少混响。” “这个功能默认启用，可以被使用通信信号处理模式的应用程序所利用，比如Phone Link和WhatsApp。无需额外硬件，因为‘Voice Clarity’支持x64和Arm64 CPU。” 这家总部位于里士满的公司补充说道。 新功能对于经常在线开会的用户特别有帮助，微软表示它还将为使用通信信号处理模式进行在线通信的PC游戏提供更丰富的音效体验。 微软Canary版本带来的更多功能：Windows 11的Canary版本还引入了许多其他新功能，包括让用户能够在Windows 11的截图工具中访问他们Android设备上最近的照片和截屏。启用此功能后，用户的PC将在他们的Android手机上拍摄新照片或截屏时收到通知。 此外，最新版本还将开始支持最新一代的USB标准，即80Gbps的USB，在运行英特尔第14代HX系列移动处理器的特定设备上，比如雷蛇Blade 18。” 这消息简直太炸了！微软这次真的是玩大了，把AI和音频清晰度结合起来，提升我们的数字生活体验。让我们拭目以待，看看这个功能会给我们的日常带来多少惊喜吧！

OpenAI最近推出了ChatGPT的一个新功能，叫做“@GPT”，这玩意儿可真够酷的！想象一下，在同一个聊天窗口里，可以同时跟好几个不同领域的GPT大佬们聊天，这不就像是开了一个脑洞大会吗？这个功能大大提升了用户的互动体验，就好像是把各种各样的智慧头脑集中到一起，随时准备回答你的提问。这可是OpenAI一直以来的野心啊，想要打造一个多功能、适用于各种场景的超级助手，贴合每个人的个性化需求。这就像是Sam Altman的未来愿景变成现实了一样，预示着我们与数字世界互动方式的一场革命。想想看，这样的AI，是不是既时髦又有趣呢？

Bard，这个由Gemini Pro-scale模型驱动的新宠，刚刚在独立的lmsys排行榜上首次亮相就摘得了第二名的好成绩！🔥 这次它取得了一个重要的里程碑，通过人类评估与OpenAI的GPT-4匹敌。谷歌AI部门的负责人Jeff Dean宣布了这个新模型，别出心裁地称之为“scale”，这意味着可能扩展了之前Pro模型的能力。双子座Pro“scale”在Chatbot Arena排行榜上成功获得第二名，超越了之前版本的GPT-4，但略落后于最新的GPT-4 Turbo版本。谷歌的Oriol Vinyals强调了评估语言模型的微妙挑战，并倡导使用人类评估而非学术基准。 大家都在期待着更强大的双子座超级模型的即将发布，期望它可能超越Pro-Scale版本的成就。

​  来看看苹果在AI领域的最新动向吧。最近，他们发布了iOS 17.4的测试版，而这给我们透露了一些关于即将到来的iOS 18的线索。苹果公司正在升级Siri和消息应用，并且还在测试一些针对ChatGPT的功能。 那到底发生了什么？ 据说，在iOS 18中，苹果有望引入更先进的AI功能，这一点从iOS 17.4测试版的代码中就能窥见一二。 这个版本的代码展示了一个名为SiriSummarization的新功能，旨在提高Siri理解和总结信息的能力，可能使它在日常任务和交流中变得更有用。目前，ChatGPT正在帮忙，但苹果也在测试自己的AI模型，比如名为“Ajax”的模型，来推动这些改进。 彭博社还报道了在消息应用中整合AI的可能性，包括自动回复和句子完成功能，这都是由Craig Federighi的软件团队推动的。在iOS 17.4测试版中，有明确的证据表明苹果正在尝试增强Siri的能力，但不太可能使用外部模型。这更像是他们在测试内部模型与ChatGPT（以及Flan-T5）的对比。 考虑到到目前为止Siri（实际上，大多数语音助手）的表现都不尽人意，苹果这一举措可能是一个游戏规则的改变者。我们都希望助手能真正理解上下文并提供相关、有用的互动。让我们拭目以待，看看苹果是否能在打造真正有助益的助手方面领先一步。

​  微软最新发布了他们的年度《未来工作报告》，这次的焦点不再是远程工作，而是人工智能。没错，你没听错，就是AI！这份报告基于2023年的多项研究统计数据，还有过去几年的理论研究支持。我为你整理了一份“忙碌人士指南”，让你快速了解重点。 – 聊天机器人GPT让知识型工作者的工作效率提高37%，质量提高40%，但准确度下降了大约20%。解决这个问题的简单用户体验方案是可行的。 – 微软Copilot 365的企业用户调查显示：  – 73%的用户认为Copilot让他们工作更快  – 85%的用户说它能帮助他们更快地完成初稿  – 72%的用户同意它减少了在重复或乏味任务上的心理负担 – 早期研究发现，新手或技能较低的工作者最受益于大型语言模型（LLMs）。技能较低的工作者表现提升了43%，而技能较高的提升了约17%。 – 需要与“挑战者”搭配使用，即基于LLM的工具，它们可以挑战假设、鼓励评估并提供反驳意见。 – 人工智能可以帮助将简单命令分解为微时刻和微任务，提高整体质量和效率。 – 分析和整合由AI生成的信息可能比搜索和创造信息更为重要。与内容制作不直接相关的技能（如领导力、社交互动、信任问题或情感意识）可能更有价值。 – 提问很难，但人们正在变得擅长它。精调/使用LLMs来生成提示也在变得更容易。提示模板对终端用户有帮助。 – 高亮显示错误/不确定性百分比可以帮助平衡对LLMs的依赖。提示可以通过共审工具来补充，以检查LLM的输出。 – 生成性AI需要自我意识和良好的信心校准。同时，它也可以帮助达到这一点。 – 创造性活动是一个过程，LLMs可以在不同部分提供帮助。69%的Bing聊天对话是面向专业任务的领域。 – 基于LLM的搜索中，复杂的部分比例更大（其中36%是复杂的），而传统搜索中复杂的比例较低（13%是复杂的）。 – 在一项对69名学生的研究中，使用Codex提高了他们学习Python的表现，但对他们的手动代码修改能力没有影响。 – LLMs可以快速分析来自人类的数据并生成合成数据。这将改变社会科学研究的方式。 – 在会议中使用LLMs可以解决不同的问题，如平等参与（即时反馈）和更好的互动（回顾性反馈）。） – AI可以帮助分配管理责任，让高管们更专注于团队愿景。 – 现代办公室的知识存在于聊天中，而不是文档里，但在员工聊天记录上应用AI比较棘手。（ – 大约80%的美国劳动力可能至少有10%的工作任务受到GPTs的影响。大约19%的工作者可能有50%的任务受影响。 – “创新与自动化”通常是一个比“替代与增强”更好的框架。增强可能仍意味着工作岗位的丧失。重要的是尝试跟踪人类劳动力是否以及如何以创新的新方式被使用。 – 不应该问“AI将如何影响工作？”，而应该问“我们希望AI如何影响工作？” 英文全文下载： https://www.microsoft.com/en-us/research/uploads/prod/2023/12/NFWReport2023_v4.pdf?utm_source=bensbites&utm_medium=newsletter&utm_campaign=daily-digest-are-siri-chatgpt-friends-now ​

需要构建一种系统，能够响应用户输入、记住过去的互动，并基于这些历史记录做出决策。这种需求对于创建更像智能代理的应用程序至关重要，它们能够维持对话、记住过去的上下文，并做出明智的决策。 目前，一些解决方案解决了这个问题的部分方面。有些框架允许创建带有语言模型的应用程序，但它们无法有效地支持持续的、有状态的互动。这些解决方案通常专注于处理单一输入和生成单一输出，而没有内置的方式来记住过去的互动或上下文。这种限制使得创建需要记住之前对话或行动的更复杂、互动性更强的应用程序变得困难。 解决这个问题的方案是LangGraph库，它旨在使用语言模型构建有状态、多参与者的应用程序，并建立在LangChain之上。LangGraph库允许创建可以维持多步对话的应用程序，记住过去的互动，并使用这些信息来指导未来的回应。它对于创建类似代理的行为特别有用，应用程序可以持续与用户互动，询问并记住之前的问题和答案，以提供更相关、更明智的回应。 这个库的一个关键特性是它能够处理循环，这对于维持持续对话至关重要。与其他仅限于单向数据流的框架不同，这个库支持循环数据流，使应用程序能够记住并基于过去的互动进行构建。这一能力对于创建更复杂、更响应灵敏的应用程序至关重要。 这个库通过其灵活的架构、易用性以及与现有工具和框架的集成能力，展示了其功能。它简化了开发过程，使开发者能够专注于创建更复杂、更互动的应用程序，而不必担心维持状态和上下文的底层机制。 总之，LangGraph代表了使用语言模型开发互动应用程序的一个重要步骤，为开发者打造更复杂、更智能、更响应灵敏的应用程序提供了新的机会。它能够处理循环数据流并与现有工具集成的能力，使其成为这一领域任何开发者工具箱中的宝贵补充。 ​  详细去访问： https://github.com/langchain-ai/langgraph ​