您能告诉我们一些有关 SoftServe 的信息以及该公司的业务吗？
当然。 我们是一家拥有 30 年历史的全球 IT 服务和专业服务提供商。 我们专注于使用新兴的最先进技术，如人工智能、大数据和区块链，来解决实际的业务问题。 尽管我们是技术专家，但我们非常关注我们的客户，关注他们的问题——而不是技术。 但我们总是努力寻找最好的技术，帮助我们的客户达到他们想要达到的目标。
所以我们在市场上已经有一段时间了，起源于乌克兰。 但现在我们在全球设有办事处——美国、拉丁美洲、新加坡、中东、整个欧洲——我们在多个行业开展业务。 我们在零售、金融服务、医疗保健、能源、石油和天然气以及制造业等特定行业拥有一些专门的领导。 我们还与很多数字原住民和独立软件供应商合作，帮助他们在他们的产品中采用这种技术，以便他们更好地服务于他们的客户。
您注意到人工智能和机器学习的主要发展趋势是什么？
最大的趋势之一是，尽管人们过去常常质疑人工智能、机器学习和数据科学是否是未来的技术； 这不再是问题。 这项技术已经无处不在。 如果没有这些技术，我们现在看到的绝大多数创新都不可能实现。
主要原因之一是这项技术使我们能够处理和解决一些我们过去认为棘手的问题。 想想自然语言、图像识别或代码生成，它们不仅难以解决，而且也难以定义。 用我们传统的工程思维——我们基本上使用编程语言——来解决这些类型的问题是不可能的。 相反，我们利用存储在我们收集的大量数据中的知识，并用它来找到我们关心的问题的解决方案。 这种方法现在称为机器学习，它是当今解决此类问题的最有效方法。
但是凭借我们现在可以收集的数据量、云中可用的计算能力、训练效率和我们开发的算法，我们能够达到这样一个阶段，即我们可以在许多任务中获得超人的表现 我们曾经认为只有人类才能执行。 我们必须承认，人类智能在处理信息的容量和能力上是有限的。 机器可以增强我们的智力，帮助我们更有效地解决我们的大脑无法解决的问题。
我们现在看到的总体趋势是，机器学习和人工智能本质上正在成为解决需要知识、计算、感知、推理和决策的复杂问题的行业标准。 我们在许多行业都看到了这一点，包括医疗保健、金融和零售业。
有一些更具体的新兴趋势。 我的 TechEx North America 主题演讲的主题是关于生成 AI，许多人可能认为这是最近才发明的东西，是新事物，或者他们可能认为它只是 ChatGPT。 但这些技术已经发展了一段时间。 而我们，作为行业的实践者，已经使用这项技术很长一段时间了。
现在发生的变化是，基于我们收集的知识和经验，我们能够使这项技术达到 GenAI 模型有用的阶段。 我们可以用它来解决不同行业的一些实际问题，从简明的文档摘要到高级的用户体验、逻辑推理甚至独特知识的生成。 也就是说，在可靠性和理解这些技术的实际潜力方面仍然存在一些挑战。
人工智能和机器学习对于产品创新有多重要？
人工智能和机器学习本质上使我们能够解决传统技术无法解决的一系列问题。 如果你想创新，如果你想充分利用技术，你就必须使用它们。 别无选择。 它是产品开发、引入新功能、改善客户用户体验以及从数据中获得一些真正深刻的可操作见解的强大工具。
但与此同时，这是一项相当复杂的技术。 应用这项技术、训练这些类型的模型、评估它们、决定使用什么模型架构等涉及很多专业知识。而且，它们是高度实验驱动的，这意味着在传统软件开发中我们经常知道 提前实现什么。 所以我们设置了一些特定的要求，然后我们写了一个源代码来满足这些要求。
这主要是因为，在传统工程中，源代码定义了我们系统的行为。 通过机器学习和人工智能，行为由数据定义，这意味着我们几乎无法事先知道数据的质量。 我们数据的预测能力如何？ 我们需要使用什么样的数据？ 我们收集的数据是否足够，或者我们是否需要收集更多数据。 这就是为什么我们总是需要先进行实验。
但我认为，在某种程度上，我们已经习惯了人工智能计划过程和结果的不确定性。 人工智能行业放弃了机器学习在某个时候是可预测的想法。 相反，我们学会了如何有效地进行实验，将我们的想法转化为我们可以通过实验和快速原型快速验证的假设，并将最成功的实验演变成成熟的产品。 这基本上就是 AI/ML 产品的现代生命周期。
不过，它还要求产品团队采用不同的思维方式，不断构思和试验。 首先是选择那些潜力最大、最可行、可能对业务和产品影响最大的想法和用例。 从那里，团队可以构思潜在的解决方案，快速制作原型并选择最成功的解决方案。 这需要在确定最能从 AI/ML 中受益的问题方面的经验，以及验证和扩展想法的敏捷迭代过程。
企业如何使用这种技术来改善个性化？
这是一个很好的问题，因为有些问题确实很难定义。 个性化就是其中之一。 是什么让我或你成为一个人？ 是什么导致了这一点？ 无论是我们的喜好。 我们如何定义我们的偏好？ 它们可能是随机的，它们可能是上下文相关的。 这是一个高度多维的问题。
而且，尽管您可以尝试使用更传统的技术来实现它，但您的能力仍然会受到限制——您可能获得的个性化深度。 最有效的方法是从数据中学习那些个人信号、偏好，并利用这些洞察力提供个性化体验、个性化营销等。
从本质上讲，AI/ML 充当信号与用户和特定偏好之间的一种黑匣子，特定内容会引起特定用户的共鸣。 截至目前，这是实现个性化的最有效方式。
现代 AI/ML 的另一个好处是您可以使用各种不同类型的数据。 您可以结合来自您网站的点击流数据，收集有关用户在您网站上的行为方式的信息。 您可以从 Twitter 或任何其他来源收集文本数据。 您可以收集图像数据，并且可以使用所有这些信息来获得您关心的见解。 因此，分析异构数据集的能力是 AI/ML 为这个游戏带来的另一个好处。
您认为机器学习如何影响元宇宙以及企业如何从中受益？
有两个不同的方面。 “Metaverse”是一个相当抽象的术语，我们过去常常从两个不同的角度来思考它。 其中之一是您想复制您的实物资产——我们在元宇宙中的物理世界的一部分。 当然，您可以尝试从传统的工程角度来处理它，但我们拥有的许多流程都太复杂了。 在数字世界中很难复制它们。 所以想想制造业中的现代化生产线。 为了让你拥有一些物理资产的真正精确，我们称之为数字双胞胎，你必须聪明并使用能让你在元宇宙中尽可能接近物理世界的东西。 AI/ML 是必经之路。 这是实现这一目标的最有效方法之一。
元宇宙的另一个方面是，因为它是数字的，所以它是无限的。 因此，我们可能还希望拥有一些特定类型的纯数字资产，这些资产在现实世界中没有任何表现形式。 这些资产应该具有与真实资产相似的品质和行为，处理相似程度的复杂性。 为了对这些智能的、纯数字化的流程或资产进行编程，您需要 AI 和 ML 来使它们真正智能化。
您认为有哪些公司很好地利用了 AI 和机器学习？
有三大巨头——Facebook、谷歌、亚马逊。 所有这些本质上都是该行业背后的关键驱动力。 在某种程度上，他们的绝大多数产品都由 AI/ML 提供支持。 自从我开始我的职业生涯以来发生了很多变化，但即使在我大约 10 年前加入 SoftServe 时，也有很多关于 AI/ML 的研究正在进行。
有一些大公司在使用这项技术，但绝大多数市场只是在探索这个领域。 我们的大多数客户对此一无所知。 他们的一些第一个问题是‘你能就此对我们进行教育吗？ 什么是人工智能/机器学习？ 我们如何使用它？
现在发生的变化是，我们与之互动的几乎所有公司都已经完成了一些 AI/ML 工作，无论他们是在内部构建一些东西还是使用一些 AI/ML 产品。 所以观念变了。
现在，这项技术的整体采用规模几乎可以在任何公司中找到 AI/ML 的某些方面。
你可能会看到一家公司在他们的营销或分销方面做了很多 AI/ML，但他们的生产现场或供应链中有一些老派遗留技术。 不同业务线的 AI/ML 采用水平可能不同。 但我认为现在几乎每个人都在使用它。 即使是您的手机，它也支持 AI/ML 功能。 因此，很难想象现在有一家公司不使用任何 AI/ML。
你认为，一般来说，公司是否很好地使用人工智能和机器学习？ 他们在实施过程中遇到了什么样的挑战？
这是个好问题。 今天应用这些技术的主要挑战不是如何使用这项技术取得成功，而是如何提高效率。 凭借我们现在拥有的数据量、公司正在收集的数据量，以及开源或公开可用的技术量——或者作为托管服务从 AWS、GCP 获得——很容易获得一些好的结果。
问题是，你如何决定在哪里应用这项技术？ 您如何有效地识别这些机会，并找到能够带来最大影响并能以最具时间效率和成本效益的方式实施的机会？
另一个方面是如何快速将这些想法转化为生产级产品？ 这是一个高度实验驱动的领域，有很多科学知识，但您仍然需要根据研究结果构建可靠的软件。
成功采用 AI 的关键驱动因素是找到正确的用例，您可以在这些用例中以最有效的方式实际获得所需的结果，并将想法转化为成熟的产品。 我们已经看到一些真正具有创新精神的公司，他们有绝妙的想法。 他们可能已经围绕他们的想法建立了一些概念证明，但他们不知道如何发展或如何从中构建可靠的产品。 与此同时，还有一些精通技术和数字原生的公司。 他们拥有大量聪明的工程师，但他们在 AI/ML 技术方面没有合适的专业知识和经验。 他们不知道如何将这项技术应用于实际业务问题，或者他们可以获得哪些唾手可得的成果。 他们只是在努力寻找利用这项技术的最佳方式。
您认为人工智能和机器学习的未来会怎样？
我通常试图对未来更加乐观，因为显然围绕 AI/ML 存在很多恐惧。 我认为这是很自然的。 如果回顾历史，电力和任何其他创新技术也是如此。
我认为确实有一些好处的担忧之一是这项技术可能会取代一些真正的工作。 我认为这有点悲观，因为历史也告诉我们，无论我们获得什么技术，我们仍然需要人性化的一面。
我们现在使用的几乎所有技术都可以增强我们的智力。 它不会取代它。 而且我认为人工智能的未来将以合作的方式使用。 如果你见过像 GitHub Copilot 这样的产品，那么这个产品的目的本质上是为了帮助开发者编写代码。 我们仍然不能使用 AI 来编写整个程序。 我们需要一个人来引导人工智能达到我们想要的结果。 我们到底想要达到什么目的？ 我们的目标是什么？ 我们的用户期望是什么？
同样，也许这项技术将应用于更广泛的用例，在这些用例中，人工智能将帮助我们，而不是取代我们。 有一句话我希望是我的，但我仍然认为这是思考人工智能作用的一种很好的方式：如果你认为人工智能会取代你或你的工作，很可能你错了。 将使用 AI 的人将取代你的工作。
所以我认为现在要学习的最重要的技能之一是如何利用这项技术来提高你的工作效率。 这应该可以帮助许多人在未来获得竞争优势。
Iurii Milovanov 是 SoftServe 的人工智能和数据科学总监，SoftServe 是一家专门从事咨询服务和软件开发的技术公司。
