搜尋此網誌

2024年11月2日 星期六

AI輔助創新- 生成式AI 在軟體開發的應用層、架構層與核心層解析與成功專案心得 (生成式AI加速產業技能典範移轉)

背景:
AI加速coding automation的發展,也因此軟體技能將開始出現典範移轉現象,這也是為什麼可以常看到大老們呼籲現在小朋友不要學寫程式,但我認為程式開發還是需要人來進行,CODING可以由AI幫忙。

前言:

2024年,今年,最令人震驚的就是諾貝爾物理獎和化學獎分別頒給了AI的科學家以及使用AI工具的科學家!從頂尖領域來看,這說明了AI不僅是輔助工具,更是推動科學突破的重要力量。學習如何利用AI來輔助創新,已成為當前迫在眉睫的需求。掌握好應用AI的技能,將使我們得以在各領域的創新中保持競爭力,迎接充滿未知的未來挑戰。

隨著 AI 技術的重要性刺激AI巨頭們的競爭而飛快加速了全球AI的技術發展,無疑地,生成式 AI 在軟體開發中的應用逐步拓展,根據筆者目前的成功專案經驗,發現生成式AI尤其在提升效率和縮短技術應用開發週期方面成效顯著。然而,不同層次的開發需求對 AI 的依賴程度也有所不同。

關鍵字:AI, 生成式AI, GAI, 創新, 技術應用開發, TRIZ, 動態系統分析, 軟體技能, 典範移轉


根據筆者參與軟體產品開發10多年的經驗,我們可以將軟體技術應用開發粗分為三大類:

應用層、架構層和核心層。

後面將分別針對應用層、架構層和核心層三大領域進行說明,根據實際的專案成果,介紹生成式 AI (GAI)在軟體開發中的潛力與挑戰。


1. 應用層:
這一層主要包括前端和後端的業務邏輯實施呈現,如網頁開發、應用程式的功能實現、以及簡單的API串接等。
這裡面的工作通常包括許多標準化、重複性的程式撰寫任務,也因此GAI的應用較為成熟。例如,GitHub Copilot、Tabnine等AI輔助程式設計工具已經能根據提示或現有的程式碼片段,生成具體的程式碼。這不僅提高了應用程式的開發效率,還能減少程式撰寫中的錯誤。

在應用層中,GAI具備逐步取代人類工程師的潛力,但這通常是針對一些簡單、重複性高的任務,#並非全面性替代

2. 架構層:
架構層涉及軟體技術系統的設計規劃,如微服務架構設計、資料庫結構選擇、伺服器配置,以及系統模組的整體執行步驟流程整合。
這些工作牽涉到較多的專業知識和判斷力,需要根據業務需求和具體場景來設計最佳的系統架構。例如,針對高流量應用,設計一個具備伸縮性的系統架構,而針對低延遲需求的應用,設計低延遲的數據處理流程。
目前GAI在這方面的應用目前仍受限,因為它很難理解複雜的不同情境的實際業務需求,因此很難也靈活地產生應對方案。
架構層的設計需要工程師根據經驗和業務需求進行決策,因此目前仍難以被GAI取代。
根據筆者目前輔導成功的最佳應用案例指出,GAI結合TRIZ動態系統分析工具應用,在輔助軟體技術系統應用架構設計開發時間,相對傳統系統架構設計開發,目前已經可以提高至 5倍(500%!!) 的效率,可以縮短將近一年半的時間!🎉

3. 核心層:
核心層涵蓋了底層技術的研發和系統的基礎架構支持,例如操作系統開發、資料處理引擎、人工智慧模型優化以及高效能計算等。
這一層次的工作具有高度的技術性和創新需求,往往涉及大量的專業知識和對新技術的探索。
例如,開發一個新的深度學習架構、設計高效能的處理算法,或是優化資料庫的查詢效率,甚至優化現有的預測模型,這些案例出現在筆者今年完成的GAI輔助創新的企業客製化專案中!

這些工作實際上需要深入理解相關技術和引入創造性思維與工具(TRIZ, 設計思考, 軟體產品開發流程等等)。然而,目前GAI技術難以在這些方面與人類專家相提並論,完全不同層次。

GAI已經無庸置疑可以輔助程式撰寫,但仍然需要專業技能與創新能力足夠的工程師進行檢視與改善。

總結而論,#生成式AI的應用效果隨工程師能力而指數提升,筆者今年企業輔導成功案例指出,在六個不同的專案中,分別至少可以縮短75%到500%的時間。
在AI持續猛進發展的基礎下,目前可以肯定的是應用層的程式撰寫,GAI的輔助比例越來越高,甚至在可預測的未來很有可能不排除會完全被GAI取代,而架構層和核心層,需要人類工程師根據情境需求設計!
—-

以上這些都是2024年筆者應用TRIZ系統創新工具結合生成式AI輔導的AI軟體開發專案(價格預測、氣候預測、故障分析處理、電廠選址、電網優化)的成果心得,客戶學員們在10月成果發表的時候,確實獲得客戶高層領導主管們認可,也讓筆者對未來AI輔助創新的發展更有信心!

Jou-Li Wang 2024©汪周禮@智合創新
GAI輔助創新與技術應用開發
如有任何問題,歡迎與筆者聯絡:
service@iiiinnovation.com


2024年9月24日 星期二

負責任的人工智慧一致性:挑戰與未來發展趨勢

 負責任的人工智慧一致性(AI ALIGNMENT):挑戰與未來發展趨勢


#AI

#ALIGNMENT

#CHATGPT

#MSM

隨著人工智慧(AI)技術的飛速發展,AI已經深刻影響了各行各業,包括醫療、金融、教育、社交媒體和司法等關鍵領域。然而,技術的進步也帶來了新的挑戰和風險,尤其是AI系統在決策過程中可能存在的偏見、不透明性以及不公正問題。因此,負責任的人工智慧一致性研究正成為一個備受關注的領域,旨在將人類價值和倫理標準嵌入AI系統,確保其安全、透明、公平地運作。

什麼是AI一致性(ALIGNMENT)?

AI一致性是指在AI系統的開發和運作過程中,將人類價值進行編碼,從而減少系統可能帶來的風險和負面影響。這不僅包括技術層面的優化,還涵蓋了AI在倫理和社會層面的符合性。例如,在醫療保健領域,AI一致性可以幫助確保系統在診斷和治療過程中遵循醫學倫理標準,避免因數據或算法的偏見而導致患者受到不公平的對待。

AI一致性研究的目標是解決AI系統中潛在的偏見、透明度不足、決策不公以及其他可能帶來負面影響的問題。這對於保障技術的可信度和社會接受度至關重要,特別是在涉及高風險應用的領域,如醫療、金融和司法系統等。

AI一致性應用的影響

AI一致性的應用在許多領域中具有重要的社會和技術價值,尤其在促進社會公正、提升透明度和促進技術創新方面具有顯著影響。

  1. 社會公正與公平性:AI一致性最直接的影響就是推動社會公正。例如,在招聘、教育和金融服務中,通過減少AI系統中的數據偏見和算法偏見,確保系統做出的決策是基於客觀標準,而不是因性別、種族或經濟地位等無關因素導致的偏見決策。這將有助於減少歧視,促進社會公平。

  2. 提高信任與責任:透明性和可解釋性是AI一致性的另一大價值。當AI系統的決策過程對使用者和開發者透明時,系統的可解釋性和信任度將大大增強。這對於醫療、金融等涉及個人生活的重要領域尤為重要。AI一致性可以幫助這些領域建立更加透明的決策流程,從而提高用戶對技術的信心。

  3. 促進技術創新與商業競爭力:AI一致性並非只是一種防範風險的手段,它還可以促進技術創新。通過結合倫理和技術標準,企業可以在滿足道德和合規要求的同時,利用AI系統提升產品的競爭力,增強商業優勢。例如,負責任的AI系統在醫療診斷、智能製造等領域的應用,能夠幫助企業開發更具市場吸引力且合乎倫理的產品。

  4. 減少風險與損害:AI系統的不當決策可能對社會造成重大風險,特別是在高風險應用中,如醫療誤診、司法判決不公等。AI一致性通過持續監控和修正機制,降低了系統出現錯誤決策的風險,確保AI系統的行為穩定可控。

AI一致性應用的限制

儘管AI一致性研究具有重要意義,但其應用也面臨著一些挑戰和限制。

  1. 技術複雜性與透明度困難:深度學習等複雜AI技術的內部運作過於復雜,這使得系統的可解釋性和透明度大打折扣。AI一致性要求系統能夠解釋其決策邏輯,但在某些高複雜度的AI模型中,這一目標很難實現。

  2. 數據偏見與質量問題:AI系統依賴於大量數據進行訓練,而這些數據往往存在偏見或不完整的問題。如果訓練數據中包含有偏見的樣本,AI系統在實際應用中會擴大這些偏見,導致決策結果不公正。即使開發者試圖消除偏見,找到完全公平的數據集仍然是一個巨大挑戰。

  3. 監控和維護成本高昂:要保持AI系統的可解釋性和一致性,持續的監控和維護是必要的,但這會帶來高昂的成本。許多中小型企業缺乏資金和技術資源,難以有效地實現持續的系統監控和風險管理。

  4. 全球法規差異:不同國家和地區在AI監管和倫理標準上的要求各不相同,這增加了跨國企業在全球市場中實施AI一致性的難度。企業需要為不同市場設計不同的AI系統,這加大了合規成本和技術開發的複雜性。

AI一致性的未來發展趨勢

隨著AI技術的不斷發展,AI一致性研究也將朝著更深入和多樣化的方向發展。

  1. 強化AI系統的可解釋性與透明度:未來,AI系統的可解釋性將變得更加重要,特別是在高風險應用中,如醫療診斷和金融決策領域。開發可視化工具和更透明的算法,將幫助使用者和監管機構更好地理解AI系統的決策過程。

  2. 增強多方利害關係人的協作:AI開發與應用將更加依賴多方利害關係人的協作,包括開發者、監管機構、用戶和倫理專家等。跨學科和跨領域的合作將幫助確保AI系統在不同應用場景中的一致性和責任分擔。

  3. AI政策與法律監管的國際化:隨著AI技術的全球化應用,各國政府將更加重視制定國際化的AI政策和法律監管。全球性的AI一致性框架將幫助企業在跨國市場中進行合規性調整,減少監管分歧帶來的挑戰。

  4. 融合倫理標準與技術發展:未來的AI技術將更加強調與倫理標準的融合,技術開發者將更頻繁地在系統設計中融入倫理原則,確保AI技術符合社會價值和道德要求。

  5. 自動化監控和修正機制的發展:隨著AI系統變得更加自主化,未來將出現更多的自動化監控與修正機制,這些技術將能夠即時識別和修正系統中的風險和偏差。

結論

負責任的人工智慧一致性不僅是技術安全性和效率的問題,更涉及到如何確保AI系統的公平性、透明性和倫理合規。儘管面臨技術複雜性、數據偏見和監控成本等挑戰,AI一致性研究仍然是一個至關重要的領域,對社會公正、技術創新和全球政策制定產生深遠影響。隨著未來技術的發展,AI一致性將成為確保人工智慧技術安全落地、造福社會的核心保障。





---- 以上內容由汪周禮(WANG, JOULI)引導輸入九個不同問題,最後CHATGPT創作生成與後續修改,花費時間:2024.09.24 10:46-11:11,不到30分鐘


REFERENCE:

https://www.orfonline.org/expert-speak/ai-alignment-as-responsible-innovation

Further study:
AI Alignment: A Comprehensive Survey  133 cited(google scholar)
https://arxiv.org/abs/2310.19852

2024年9月23日 星期一

MSM – AI LLM 高速提升創新效率

不懂運用這七個層次貫穿 CHATGPT (AI LLM) 輔助工作流程,別想創造如此效益!

MSM – AI LLM 高速提升創新效率


近年來,全球的頂尖AI技術如同海嘯般衝擊著傳統知識創新的領域,而現在正是迎接倍速創新時代的最佳時機!

在最近的企業專案輔導中,全球首次透過ChatGPT結合創新工具和新產品開發流程,實施專利迴避設計,取得了豐碩的成果,成效超乎預期!在僅僅兩個月內,透過超過16天的培訓和專案輔導,參與的學員從理論到實作,再到實際專案引導,所有完成培訓的學員均提出經過驗證的解決方案與豐富的智慧財產成果

這些成果更是多個技術部門聯合統計的結果,顯示相較於傳統技術應用研發,整體效率提升甚至,對創新工具的學習應用平均時間周期也驚人地大幅縮短一倍!

現在的效益數據告訴你:

  • 金額效益:通過運用 MSM (Multi-Shots Models TM )AI  LLM工具,在一次專案輔導涵蓋的多個項目中,目前已經為客戶創造了 至少(最低標準預估) 超過億元的初步經濟效益(客戶自行評估的最低標準預估3億3千5百萬新台幣) !這不僅僅是理論上的提升,而是能夠具體量化的真實收益,後續更多效益正在密切觀察中。
  • 研發人力時間成本效益:專案的研發時間減少 75%,也就是說,我們讓研發的工作效率已經提升了 4倍!原本需要 100% 時間完成的工作,現在只需 25% 的時間就可以搞定,提高研發效能與企業創新競爭力!

  • 智慧財產效益:產出超過195個創新特徵,累積可實施方案超過50件,其中為企業創造超過10件以上高價值的核心智慧財產。

MSM - AI LLM Innovation 已經成為改變創新遊戲規則的重要方法 


你是否還在用傳統方式進行研發?


你是否引入了AI但不知道如何真正提升效能?


或者,你在使用ChatGPT結合現有工作流程時,遇到瓶頸無法提升生產力?

 

要知道,單純將ChatGPT應用於工作中的效果是有限的,甚至使用不當會增加額外負擔!如果你希望真正發揮AI的潛力,必須重新思考如何優化ChatGPT的應用方式,打造適合的AI應用流程,再將其與實際工作流程緊密結合,並根據具體情況調整,這樣才能實現真正有效的AI創新工作流程。

 

你知道ChatGPT的應用層次有七個嗎?


如果你不清楚,別急著說你會使用ChatGPT來提升工作流程!

 

在生成式AI技術引領的知識創新革命中,掌握更高效的創新流程至關重要。MSM AI LLM創新流程讓員工即使不懂程式,也能輕鬆打造個人的AI創新工作流程,實現自動化的創新應用。這套流程所帶來的效果正在顛覆傳統知識創新的方式!

 

 


去年2023年,在面對客戶專案服務,僅僅使用MSM 創新流程一周,一次就提供8種創新式專利迴避設計概念方案給客戶,甚至客戶親自表達,這樣的成果需要13人的團隊經過一個月的集中工作才能做到如此成效!

最近,我在一天內完成了28份技術風險分析報告最終核定作業,同時用 CHATGPT結合其他AI工具,在一天內做完成將近 168 頁的培訓投影片! 你可以想象一下,這可是用零碎的時間完成的。而第一次用 ,我分兩天花了6個小時完成了 120 頁。


你還在慢慢推進你的工作嗎?

還是準備讓 創新AI工作流程 幫你加速到一個全新的層次?

 

這就是為什麼你需要理解 AI LLM (CHATGPT) 的七大應用層次:

 

  1. 回答問題?還在用 CHATGPT查資料嗎? 
    這是最基本的! CHATGPT來快速解決你每天遇到的小問題,不用再浪費時間 Google,每次只要一句話就能得到答案。但如果你只停留在這裡,那你還沒開始真正理解 CHATGPT的威力。
  1. 說明與解釋:不懂背景知識?不知如何掌握內容知識點?
    CHATGPT
    幫你秒懂。
     CHATGPT不僅能給你答案,還能深入解釋問題背後的邏輯與概念。再也不用在冗長的報告中苦苦尋找,CHATGPT會根據你的問題,清楚解釋每個關鍵點,讓你瞬間掌握核心內容。
  1. 資料收集與分析:不懂怎麼分析資料?更不懂內容分析?
    CHATGPT
    幫你整理。
     專利技術文件分析?市場趨勢報告分析?這些繁瑣的資料整理與數據分析工作,CHATGPT可以替你完成。想要精準的報告內容,只需要應用MSM創新方法流程,CHATGPT就能幫你收集並分析出你忽略的盲點,幫你找出最關鍵的數據。再也不用熬夜做研究。
  1. 內容規劃:做投影片還在頭疼?不知道如何規劃 計畫書? 遇到技術報告就頭痛? 對製作SOP沒轍?
    CHATGPT
    幫你定框架。
     是的,我就是用 CHATGPT與其他AI工具組合在一天內完成了 168 頁的培訓投影片!CHATGPT能根據你的需求,幫你設計整個內容架構,從章節安排到具體內容,讓你只需專注在細節與創意上。還想慢慢自己規劃嗎?那麼 CHATGPT已經拋下你了。應用MSM創新流程,輕鬆讓CHATGPT幫你搞定企畫書、 技術報告,甚至SOP文件!
  1. 內容評估與改善:寫完東西就完了?
    CHATGPT
    幫你改!
     不僅僅是自動檢查語法錯誤,CHATGPT還能評估你的文章或報告,幫助你優化邏輯、提升說服力。還想讓自己慢慢琢磨如何優化?CHATGPT會幫你提升文字邏輯組合以及內容描述的清晰度。運用MSM創新流程,引入更高效的評估與改善方法,不只是讓CHATGPT幫你,而是讓CHATGPT自己改善自己,用魔法改善魔法,創造個人專屬創新AI工作流程!
  1. 創意生成輔助:創意枯竭?
    CHATGPT
    幫你激發靈感!
     不用再苦惱怎麼突破瓶頸,運用MSM創新流程,讓CHATGPT成為你的創意軍師,快速引入多種創意開發工具,可以提供不同思維角度的建議,更有效的幫助你打破思維的限制。從技術應用開發到產品設計,甚至市場策略架構,CHATGPT可以幫你找到更多的創新方向,這才是企業高效率工作的未來。
  1. 解決方案輔助:有複雜問題?
    CHATGPT
    幫你搞定。
     當你遇到複雜的業務挑戰或技術問題,MSM創新流程讓CHATGPT可以幫助你進行需求分析、技術分析、問題分析、問題定義、關鍵問題挖掘、建立問題模型以及產生創意特徵,快速輔助技術人員生成概念方案,再由技術人員驗證概念方法,最後制定出具體解決方案,甚至列出具體的執行策略。你還在靠自己摸索嗎?CHATGPT協助你搞定全套方案,有效縮短解決問題的時間!

 

使用AI不是未來,是現在!

CHATGPT讓不懂軟體程式的人可以自由使用AI工具!

如果你還猶豫不決,那你已經在競爭中開始落後了。想象一下,現在已經可以用 CHATGPT應用流程結合不同工具,在一天內完成比你過去一週的工作量還多的成果。那些還沒理解 CHATGPT 應用流程的人,將會未來的工作環境中面臨嚴重挑戰。

 

那些懂得如何結合這七層次應用的人,藉由打造出自己專屬的創新AI工作流程,早已開始在自己的領域飛速前進,創造更大更多的價值與商業機會。

 

CHATGPT不僅加速工作效能,還徹底重塑了工作模式。

現在是時候把 CHATGPT工具應用組合帶入你的工作流程了。從回答問題到提供完整的解決方案,CHATGPT絕對可以成為你最強的工作助理。

 

如果你還在用傳統的方法,那麼是時候醒醒了。

懂得利用 CHATGPT工具應用組合 才是未來的職場核心競爭力。

 

記住!沒搞懂這七個層次,別說你會用 CHATGPT 創新工作流程!


#CHATGPT_倍速工作效能

#AI_FOR_INNOVATION_WORKFLOW

#CHATGPT_7_Levels


免費公開培訓即將於年底推出,請關注我或智合創新(ACCUPASS),即時取得機會難得的免費培訓名額。

https://www.accupass.com/organizer/detail/1905240053351629387996

智合創新 ─ 驅動創新知識與應用服務

MSM- AI LLM 工具應用組合培訓、輔導與專案協作引導的全球領先專家!

2024©汪周禮@智合創新

 


AI輔助創新- 生成式AI 在軟體開發的應用層、架構層與核心層解析與成功專案心得 (生成式AI加速產業技能典範移轉)

背景: #生成式AI加速產業技能典範移轉 改變從軟體產業開始 AI加速coding automation的發展,也因此軟體技能將開始出現典範移轉現象,這也是為什麼可以常看到大老們呼籲現在小朋友不要學寫程式,但我認為程式開發還是需要人來進行,CODING可以由AI幫忙。 #軟體技能...