我們加速發展的??智能未來已經來臨，這意味著并利?下一個殺?級應?程序我們加速發展的??智能未來已經來臨，這意味著并利?下一個殺?級應?程序重要新聞:人工智能依然是重點 相信炒作沒問題，但要保持專注。合作伙伴使開發?員更加快樂和?效;冰?前?！人工智能走進生產:價值和可觀察性 4GEN人工智能和LLMS:保護新攻擊面.19??智能商業化成為下?個重?挑戰;??智能觀測在?產中將?關重要;上下?殺手級應用：變革的代理人7??智能不需要殺?級應?。但?論如何，我們已經擁有?個。好的、壞的和引起幻覺的10深?探討?融、媒體、醫療保健、制造業、公共部?、零在人工智能世界中工作-以及領導-.............................................................14領導者必須跟上;??智能過勞不會消失.重大新聞:事情：先進的??智能，特別是LLM和?成式??智能。但在2023年是驚慌Snowflake?席執?官SridharRamaswamy同意《連線》的觀點，該觀點提出了令?沮喪的標題：“?成式??智能的不那么性感的未來。”個是讓我們開始?活，”他說。“?我們堅定地站在后者這?邊。”企業已經開始將他們的??智能概念驗證從實驗轉移到全?投??產，同時?些“ROI在哪?？”華爾街的?佬們喊道（?盛發表了題為“智能引擎：花費過多,收益過少？”的?章），“這種快速致富計劃不會讓我們所有?都迅速致富！”硅?的領主們喘不過?來（紅杉資本則說，許多?最?以?席財務官為重點的?站表??席財務官將對??智能?出變得更加謹慎。（這些?章都是同?位記者撰寫的！）這些?盾的情緒反映了每位權威、顧問投資者可能認為我們有些?屬于?市，有些?則是瓷器店，企業?臨的挑戰在于區分障礙和機遇。讓我們試試吧。將近??四位Snowflake領導者和技術專家共同為本報告作出貢獻，試圖描述??智能變?性承諾將如何在即將到來的?年內AI轉??產:價值和可觀測性|4價值和可觀測性在2023年和2024年，董事會似乎有?個反復出現的噩夢:他們在碼頭跑步，?艘名為AI的?輪船正要啟航。?怕在現實?活中錯過船，他們醒來要求C級管理?員?即制定圍繞?成式AI和LLM的戰略，并著?“在2023-24年，”Snowflake?程?級副總裁VivekRaghunathan說，“投資者會打電話給董事會，問到'關于AI，您在做些什么？'董事會問CEO，'關于AI，您在做些什么？'CEO問CDO或CIO，然后資?花在了?量的原型和演“組織確實被夾擊了，”Snowflake?席數據戰略師詹妮弗·?利森特表?。“從上?施加了‘找出??智能的?處’的壓?，從下?卻出現了對開放??智能?具如ChatGPT的?法使?。”下?個??智能策略的重點將是操作化LLMs，需要進化的觀察?、治理和安全?法。前福雷斯特研究員表?，那種實驗?常重要，有助于探索可能性并確定可?性。因此，“組織已經夯實了他們的數據策略，并在追求??智能價值時變得更加系統化。”Raghunathan表?，這很好，因為2025年是CFO開始詢問R“AI項?的關注點將放在哪些項?能夠使公司在價格、治理拉古納坦說。“進??產的驅動因素始終是企業需求的關鍵：?質量、低成本、安全可靠。”下一個AI戰略的重點將是對LLMs進行操作化，需要進化的觀測、治理和安全性方將??智能從沙盒帶??產引發了新問題——或者說，圍繞安全、治理和可觀察性的熟悉關注點。“您需要安全和治理的新?持性基礎架構層，”Snowflake機器學習總監MonaAttariyan說。“您需要?個新的可觀測性 頂層，在試點階段的靜態數據集中并不真正需要。但這對可靠性、透明度和可解釋性?關重要，特別是隨著時間的推移。”平臺將推出人工智能可觀察性解決方案作為將人工智能引入生產的核心要素。在企業系統中，可觀察性通常指的是能夠查看和理解系統狀態的能?。這是?種性能管理的學科。新興的??智能可觀察性領域不僅檢查了系統的性能，還包括了LLM的輸出質量，包括準確性、倫理/偏?問題，以及數據泄漏等安全問題。它有助于確保圍繞模型設置的防護欄仍然有效。雖然LLMs和?成式??智能?具是提出新擔憂的新技術，但CI“IT知道如何推出應?程序，”Snowflake的CIO兼CDOSunnyBedi說。他表?，??智能?直在逐步發展，?不是突然出現。“?年前，我們在學習如何利?機器學習來驅動?動化并解決業務挑戰。在過去?年左右，我們開始推出基于??智能的應?他說，整體上理解了圍繞管治、安全和合規性的種種挑戰，雖然??智能帶來了新的技術和監管挑戰。他補充說，復雜度的程度與您的數據質量和??智能策略直接相關。“?旦您的應?程序處于?產狀態，?于真正的?例并且接收新數據，您需要能夠評估性能并檢測、診斷和解決任何問題。Attariyan表?。“沒有觀察能?，您就是盲??動。”AI的操作化起初會更加困難，然后會變得更容wflakeAI負責?BarisGultekin表?，可觀察性最終將落?數據平臺和?型云服務提供商?中。“操作化AI確實需要?個數據平臺和?向AI的?具，”他說。“如果您有統?的數據策略，通過匯集所有數據，您解決了?“獨?創業做觀察能?是很困難的，”他說。“采?LLMs的公司將需要AI可觀察性解決?案，所以?型云服務提供商將增加這?能?。”然后使?AI?具，您可以解決另?半問題：安全性、合規性和治理挑戰。您需要兩者來保護并賦予您的AI部署能?，并減輕將所有內容雜亂?章拼接在?起的壓?。”除了為您的IT團隊配備合適的平臺和?具，AI前企業必須鋪Raghunathan表?，在操作化和整合AI??的主要失敗軌跡可能是沒有整合所有正確的利益相關者。??智能邁向?產：價值和可觀察性??智能邁向?產：價值和可觀察性|5首席數據官如何成功應對人工智能地理區域的??位?席數據官討論了他們如何應對先進??智能的到來。她在《數據執?官有效應對??智能指南》中詳細描述了他們的集體?解。他們的第??經驗涵蓋了從最初實驗到運營再到轉型的整個增?周期。在充滿??智能激動與焦慮的浪潮中，他“公司正在回歸基礎，真正思考他們想要實現什么。”AI+DATAPREDICTIONS2025AI進??產：價值和可觀測性|6“采?新平臺和技術既是社會結構，?是技術結構，”他說。“組織如果不帶上所有應該發?的利益相關者，特別是在治理、安全和倫理??，它們將會失敗。”如果將AI引?到?產中似乎很困難，Raghunathan?未來的話語給出了安慰：“從?遠來看，成功的AI供應商將使AI強?、簡單、安全可靠。許多組織今天可能遇到的問題將作為實施細節消失在背景中。”“他說：“在不久的將來，數據將更加符合AI的需求，因此AI可以輕松安全地將其插?現有的代理和應?程序中。”wflake聯合創始?兼產品總裁BenoitDageville表?。他預測，在使LLMs更好地理解它們處理的數據??將取得突破。“今天的數據平臺中缺少的是語義層，對數據含義的理解，”他說。“當你在?個表格中有財務數據時，理解這些數據的來源、如何計算、代表什么，這是開發?員和分析師的?作。數據平臺的下一個演進不僅關注格式化、存儲和訪問數據，還關注將其置于上下文取得成功不僅取決于這些??智能供應商提供的神奇進展企業將需要繼續使他們的數據為這些先進系統做好準備Gultekin表?數據平臺將繼續幫助組織優化他們的數據他說：“在每個應?程序中構建這種理解將會太過繁重。”“語義層是?個關鍵??，需要靠近數據層推動，以便AI可以更好地理解數據的特性并做得更好，”他說。“你不想為每個應?重新發明語義概念。你想推動到數據層-這是下?個演進。”殺手級應用程序:什么是??智能的最佳?途？在眾多顛覆性通???智能和LLM能?的承諾中找到殺?級應?程序“不是每個應?都會得到??智能的幫助，”Ramaswamy“不是每個應?都會得到??智能的幫助，”Ramaswamy同意說。“但是許多應?程序將以各種?式結合?型語?模型、知識庫和?類輸?，隨著時間的推移變得越來越聰明。這是?常令?興奮的，因為您將看到許多出?意料的實際應?。”?個觀點是，?泛的能?使LLM和通???智能超越了那種單?的主導?例。換句話說，先進的??智能并不需要?個“殺?級應?程序。”?席執?官SridharRamaswamy表?。“您的客?是否可以更快地獲得所需信息？您的決策是否更快？您是否能夠完成更多?作？您是否能夠在沒有?量中間?和浪費時間的情況下獲“組織正在研究LLM可以取代復雜流程或過時?具的案例，”ML主管MonaAttariyan表?。“評估權衡需要時間，并且應該包含相當嚴密的程序。LLM?常驚?，但它們并不適?于可能能夠做的每?件事情。”“LLM本?就是殺?級應?，”“看，如果你問我電?表格的原始殺?級應?是什么，也許是財務。但這只占到整個企業?例的10%。電?表格的殺?級應?就是電?表這是?們提??產?的?種新?式，我向你保證，現在有些?業離開了電?表格就?法?存。同樣，LLM的殺?級應?就是LLM本?。這是?們提??產?的?種新?式，?們每天都在發現它的新使?情況。他指出現已經存在并穩步改進的LLM的?個強?應?，如編碼、寫作和信息檢索助?。但這并不僅限于“副駕駛員。”“下?步是這些副駕駛將成為駕駛員，”他說總會有??群?使?技術進??些你意想LLM對于思維來說就像是?輛???，它將釋放出我們甚?還沒有構思過的創造?。”所以，總的來說，并不需要考慮??智能的于副駕駛成為??員那?點是什么意思?人工智能的“殺手級應聊天機器?和助?在為相對專注的任務或信息語料庫構建時效果最佳。這種?法往往更具成本效益和資源效率，錯誤率顯著降低。但這意味著這些?具在功能上相當有限。“我們正處于這個過程的開端-構建組成代理的層和能?，”Snowflake聯合創始?BenoitDageville說。他說，結果將是?個能夠將?個?泛的提?轉化為復雜?動（“圍繞我們的新產品制定營銷活動”，“計劃并預訂我在溫哥華周末度假的?切”）的界?，并將其分解為?組離散的?任務，這些?任務將被分配給?系列專注的助?。這樣?個強?的應?“實現企業中這些代理所需的許多功能現在在某種程度上已經存在，”Dageville說道。“您需要在統?平臺上擁有?量數據，?個應?框架以及關鍵?具包，例如RAG，或檢索增強?成。Snowflake現在擁有這些功能，通過我們的平臺、Streamlit和Cortex。因此，雖然創建?個真正強?的代理將需要顯著改進，但這并不是?個還不存在的愿景。”%，然后?類來修正輸出。這樣的模型的表現就像?個實習??樣。”換句話說，它們可以處理?些需要簡化和?動化的重復?作，但并不適合推理、規劃和?度“下?代性能的衡量標準將是這樣，”Raghunathan表?。“不是模型在SAT考試中的表現有多好，?是在多步規劃和解決問題??表現有多好。每家初創公司和?型企業都在?現有模型研究這?點，他們期待下?代的基礎模型能夠以更?的準確性進?操作。”“我們將在2025年開始跟隨協作編碼助??向??員的趨勢，”Raghunathan表?。“但要真正實現獨?代理還需要?段時間，因為要做到獨?，它必須?乎完美。”今天，Raghunathan說，副駕駛是?個?具，很容易錯20%的時候。“你的單任務編碼助?或企業搜索助?只能將事情做對80協作編碼工具將幫助開發人員做他們喜愛的事具備執?復雜任務集的?主代理的想法令?興奮，但不要?覷協作編碼?具。Snowflake?席信息官/?席數字官SunnyBedi指出，例如編碼助?不僅讓?類?作更快，還促進更?的參與度和創造?，確保枯燥?作得以“如果你跟開發?員談論軟件開發?命周期，跨越設計、開發和測試階段，你會發現?乎沒有?喜歡質量保證，”Bedi說道，他正在努?幫助開發?員將更多的質量保證?作交給AI助?。“優質的質量保證?作?常繁瑣和耗時。如果我們可以將40%或更多的開發?員將有更多時間做他們喜歡做的事情。”好的、壞的和引人入勝正如所指出的，炒作周期將在媒體和董事會中持續?段時間。珍妮弗·?林森表?，擺脫這些起起落落的?個重要?法是，少考慮那些閃閃發光的物體本?，更多地考慮你實際“我們現在進?了為實現特定功能?傳遞的定制?具時代，”她說。“因此，我們對?般??智能本?不再如此著迷，也不再試圖將其應?于?切。我們越來越關注實際需要做什么，并確定做這件事的?具。?成式??智能和LLMs將成為基礎設施，是許多事物的基礎推動者大量人工智能的“強烈反感”或負面情緒將通過一個成功的用例逐漸緩解盡管炒作周期可能不是其中之?，但??智能也有必須關注的問題。LLMs會“產?幻覺”，?且，“機器有時會編造東西”并不是?個?問題。特別是如果你要對輸出負責的話。古爾特?表?，“現在有了越來越多的能?來在這些模型的輸出上設置防護欄，這是最重要的產品要求之?。防護欄將限制?成式??智能可以說什么或不能說什么，什么語?是允許的或不允許的。模型越來越能理解這些防護欄，并且可以進?調整以防范偏?等問題。”“幻覺是阻礙將?成式??智能?具呈現給我們客?的最?障礙,”Snowflake的??智能負責?BarisGultekin表?。“當前,許多?成式??智能仍被部署于內部?途，因為當您感覺?法控制??智能將會說什么時，將其提供給公眾仍然令?擔憂。”除了建?防護措施，獲取更多數據、多樣化數據和更多相關來,”Snowflake的??智能負責?BarisGultekin表?。“當前,許多?成式??智能仍被部署于內部?途，因為當您感覺?法控制??智能將會說什么時，將其提供給公眾仍然令?擔憂。”但會有改進，特別是在保持??智能輸出在可接受范圍內??她指出，例如，?結構化數據的處理將繼續顯著增加，因為公司利?以前?法訪問的信息源。公司之間的數據共享（“內部外包她指出，例如，?結構化數據的處理將繼續顯著增加，因為公司利?以前?法訪問的信息源。公司之間的數據共享（“內部外包”)和跨更?泛的業務?態系統也將增加。然?，新技術發展，檢索輔助?成，將顯著減少幻覺。曾共同創辦并領導由微軟研究開發的開源深度學習優化庫DeepSpeed的雪花杰出??智能軟件?程師何宇雄表?，市場上雪花公司聯合創始?兼產品總裁BenoitDageville表?。RAG是?個??智能框架，通過將信息檢索系統與?型語?模型的語??成能?相結合，致?于提???智能輸出的準確性和及時性。通過進?步將響應依據事實信息以及鏈接到公共來源，RAG在??智能輸出的可靠性和可解釋性??代表了“您將能夠在幻覺減少和成本等績效指標之間取得平衡，”她說。“不同?業、?例或?作負載對錯誤有不同的容忍度。模型和??智能系統將以不同精度?平進?開發，它們的成本也將反映出來。企業將根據其特定需求和預算選擇模型。”GPU市場將自我糾正（在大多數地方），使公司能夠更好地管理其與人工智能相關的成本和目“如果您向ChatGPT提問?個開放性問題，它不使?數據，?是使?其訓練，并可能編造?個錯誤答案，”Dageville說道。“在企業中，您希望?真實事實來約束?成式??智能。”Dageville表?，“需求爆炸式增?，沒有?能預測到這?點。”他說。“這是?個供應鏈問題。我對它持續存在并不擔?。”在2024年，最受關注的??智能問題之?是缺乏供電的GPU芯?。我們的所有專家都表?，有限的芯?供應將是短暫Dageville說：“需求以?種??預測的?式爆炸式增?。”他說，RAG從相關來源獲取信息，并可以引?它們以進?驗證。這只是為了更好地?成答案。“它可以分析結構化和?結構化數據，并為您提供更具?性化、更準確和更透明的摘要。”Dageville表?，“這是?個供應鏈問題。我對它持續存在并不擔?。”“NVIDIA將在?端和低端制造更多芯?。?前GPU短缺有創造性的?法來緩解。例如在Snowflake，我們為客?提供選項，將流量路由到存在GPU容量的位置，”?席執?官SridharRamaswamy表?。“云服務提供商和Groq等新玩家正忙著創建新芯?以滿?需求，此外還有能??常強?且更便宜的新模型。”Gultekin表?，問題在于超級芯?的未來起初不會公平分配。歐洲對GPU短缺的擔憂要?美國公司更?，后者的?產能?更強。“區域可?性將是?個?期問題，”他說。拉?斯??提到的解決?案可能會讓組織在?開始猶豫。需要在其他國家訪問GPU容量可能引發法律糾紛或組織焦慮。“可能需要考慮地區性數據法律，即使沒有那些法律，對于安全架構師來說仍然需要進??態轉變，”古爾泰?說。“將數據發送到不同區域，即使通過安全連接在同?平臺內部進?，這是安全架構師需要審查和熟悉的事情。”除了技術外，還存在法律和倫理障礙可能阻礙AI發展，Snowflake產品執?副總裁ChristianKleinerman指出。“知識產權及與AI輸?和輸出相關的權利是?些組織AI開發的關鍵考慮因素，”他說。“對于某些??有解決?案,?如許可協議，但并沒有簡單的解決?法。道德人工智能將成為企業的重要任務，推動透明度、公平性和問責制的提升。即使在知識產權??取得進展，關于先進??智能的其他道德問題仍將持續困擾該?業。充分解決監管和道德問題是困難的，部分原因是有許多利益相關者，許多哲學?法和許多潛在結果。?且存在很?的競爭壓?，“企業?臨的挑戰在于模型缺乏透明度，”Snowflake產品安全主管AnooshSaboori表?。“關于數據源的成分沒有?品標簽。AI提供商不愿透露所有的秘密配?，但在解決這個問題之前，他們不會完全打開企業領域的局限性。“在整個?業中，我們看到更多的開放性，”何?雄說。“你可以看看去年夏天發布的Llama3.1，??有?個?常全?的報告，包含?量關于數據來源、訓練配?等信息。”這并不意味著?業將提供所有必要的解決?案。Ramaswamy表?，?業領導者經常要求的不加?預的?法是?不通的。“我認為，當我們有著如此?泛適?的技術時，很難采取??切的‘?法?天’的態度他說：“絕對的，過早地對?個領域進?規范存在著真正的?險。但我確實認為智能監管和智能?法是可能的。?業和政府應該繼續合作。”即使在最合作的環境中，監管也可能來得很政府以在創新的暴?雪中移動緩慢?臭名昭著，但克萊納曼表?，AI標準的整理將尤為她指出，Snowflake也朝著更加透明的?向發展。“對于我們在2024年發布的SnowflakeArctic，透明度和開放性?關重要，”她說。“與許多模型不同，我們不僅分享模型權重和微調代碼，還分享數據來源和訓練配?。這是我們的?法，整個?業整體上也越來越傾向于開放。”“好消息是，現有的法規已經涵蓋了?們可能關?的關于使???智能的許多??，”他說他說：“但??智能將?所不在地貫穿我們?常使?的技術，這將使事情變得更加復雜??智能將影響?乎所有?業，除了幼?園的夏季檸檬?攤（當然，考慮到孩?們如何接受科技...）。潛在關注領域涵蓋隱私、偏?和準確性，知識產權、跨境數據傳輸、安全和問責幸運的是，很多不端?為已經被規范了。就像錘?沒有法律規定?樣，但通常有?項涵蓋使?錘?攻擊他?的法律。JenniferBelissent說，“從這個意義上說，”“最好將監管應?于?例和結果，?不是試圖阻?技術發展本?。”針對人工智能濫用的法律限制將主要來自現行法律,而不是大規模的人工智當然，這并不能解決每個潛在的案例。從2023年底開始，關于在舊??作為?動駕駛?輛的持續測試場，警??法在??駕駛汽?違反交通法規時開具罰單的新聞報道甚囂塵上。主要是因為法律規定罰單必須開具給駕駛員，?不是例如汽?的所有者或制造商。到了2024年9?，?項旨在對?動駕駛違規?為開罰單的法案已在加州議會通過，并將提交給州?審批。“需要結合各?努?，認識到這些合法問題，包括現有法律和法規的盲點，”Ramaswamy表?，“如果?業不采取?動，肯定會出臺監管措施。”?們對AI將對各?各業的勞動?造成什么影響進?了?量討論。?致認為，?作崗位將會減少，新的?作崗位會被創造，但?多數?作將通過AI注?的?具?發?轉變。顯?易?，??將?臨學習曲線。對于重復性、操作性執?的需求將減少（這正是AI的強項），?對于數據驅動的戰略思維的需求將增加（?少?前還是?類的?作）。這就是?作的未來。那么領導?的未來?會是什么樣?呢？領導者將不得不如何改變或領導者，和工人一樣，都將面臨“在AI時代，領導者?臨的主要挑戰是如何通過AI?具提?團隊的?產?，”產品執?副總裁ChristianKleinerman說道。“通過使技術較弱的?員更容易使?AI?具，安全和負責地利?AI具有巨?機會，但這需要遠?和領導?才能實現。”Kleinerman和Ramaswamy都提到了?個概念，即“?機協同”，這意味著即使AI執??作或提出?動建議，?類也必須“歸根結底，你必須驗證??的?作，”Ramaswamy說道。“對于那些聲稱使?AI模型但?作出錯的?，我很難產?同情之情領導者可能難以跟上??加速的團隊步伐。如果現在有??個。我們有責任核實??的?作。”直接下屬正在完成?個30?團隊的?作，那將需要更多的管理所以在你的?作借?列表中劃掉“把責任歸咎于??智能”這?項。“領導者需要?常聰明地積極采???智能?具，同時激勵他們的員?，”?席執?官SridharRamaswamy說道。“對雁??有益處，也對鵝是有益處的。”專家建議，不要簡單地將AI視為?具，?是將其視為遠外員?。這種做法改變了關系的動態。我們知道如何管?使用明確的“工作描述”定義角色。?確定合適的AI模型“候選”，無論是購買還是構建。?通過使用適當的數據來訓練模型，進行“入職培訓?建立輸出和結果績效指標。?監控績效以對標準進行評估，以歸因價值創生這些?法確保模型保持最新狀態并持續提供價值被問及如何作為?科技領域的領導者不斷進化的最佳秘訣或秘密時，拉?斯??提供的是?種哲學?不是技術。開始時不知道接下來會發?什么，?這種速度仍在加快。”“?盡的好奇?，”他說。“在我的?作和個??活中，我?泛使?各種AI模型。我們都需要提?使??具的能?，我們對不同種類的AI模型越熟悉，我們就越了解它們的優勢和劣勢，在應對前?的世界時就會更加優秀。”“跟上AI的概念很有趣，因為?切都在以多快的速度變化，”古爾泰?說。“每個?都會有?個炙?可熱的新東西或新發展，領導者們?法追逐它們全部。”讓員?和領導者得到AI?持的?個結果是，常規任務變得?動化，留下更多時間進?真正推動收?增?的遠?努?。“我們會有更多時間去變得更有想象?，”Snowflake的CIO/CDOSunnyBedi表?：“然后應???智能來實現這些成果。”SnowflakeAI主管BarisGultekin提供了?個運?基于??智能的?產?提升的例?。“例如，如果你使?SnowflakeCortex可以更快地?成SQL，你可以讓更多的SQL分析師進?深?調查?作，?不是回答業務??的簡單問題。”他說，項?總是保持當前狀態但永遠?法完成存在?定危險。“如果你剛部署了Llama3，現在3.1?發布了，你會進?升級嗎？你能承受不升級嗎？”Gultekin表?，競爭和對于可以通過??智能獲得?量機會和價值的認識驅使每個?達到了極限。“我與在??智能領域?作的?交談時，他們都告訴我，他們?以往任何時候都要努?，因為創新和變?如此之多，10天前完成的?作現在可能有更好的?法。”這再次凸顯了提升勞動??平的必要性，從上到下。在??智能發展的最前沿，壓?是相當?的。“在過去的九到??個?中，創新速度驚?這再次凸顯了提升勞動??平的必要性，從上到下。在??智能發展的最前沿，壓?是相當?的。“在過去的九到??個?中，創新速度驚?。”Snowflake的?程?級副總裁VivekRaghunathan說道（他也是Ramaswamy在Neeva的合作創始?）。他說：“領導者需要專注于?標和投資回報，?不是追逐閃亮的東西或每次升級。”在在AI世界中?作和領導|16AI轉型是一個十年的工作。是的，AI將改變?切。但不會?下?全部變化。Snowflake的產品體驗總監、Streamlit的聯合創始?阿曼達·凱利表?，對于?多數公司來說，由AI推動的?泛?作場所轉型還需要?“很多公司實際上不知道??是如何運作的，“模式是?然演化的，決策結構常常錯綜復雜,因此進展緩慢。?多數公司要花費?些時間來融???智能并真正理解它如何能夠能提升它們的價值。”她補充說：“在我看來，取得最?成功的公司在??智能??要么有?常強?的?上?下的領導層，有?個對轉型有遠?的愿景，要么不強加愿景，?是賦予各個團隊權?，讓他們找出如何利?LLM來改變他們的團隊。”開源運動對軟件?業總體?關重要，同時對先進??智能的發展?關重要。開源項?在軟件供應商、數據平臺提供商和??智能制造商的?泛?態系統中發揮著重要作?。對于??智能來說，開源使?們可以更容易獲得思想，促進了思維的多樣性，加快了創新，創建了增進對??智能系統理解的社區，關于數據、??智能和企業戰略未來的討論，如果不考慮未來?年開源發展的?向，將會遺漏很多。杰出的??智能軟件?程師何宇雄表?，通常情況下，開源將繼續發揮關鍵作?，特別是在?于訓練??智能系統的?具??。“模型開發的其他??，如?度優化的推理系統和將模型集成到?產環境中，更適合采?封閉源?法，?且可能會始終保持“但是當你談論AI培訓?具時，為了實現持續創新、吸引采納,開源仍然是最佳選擇。”基于人工智能的低代碼和無代碼突破將使開發人員比以往任何時候都更加重要。開源技術進步將最明顯地體現在編碼助???。基于??智能的低代碼和?代碼開發?具將提升熟練開發?員在組織中的作?。隨著耗時但基本的編碼挑戰交給輔助?具，開發?員將專注于更復雜、?價值的任務、系統架構以及整合??智能能?Streamlit的聯合創始?AmandaKelly表?，與其給任何半技術?平的編程?員配備??智能助?以貶低開發?員，不如讓?技能的開發?員將深厚的專業知識?于解決更?、更為關鍵他們將變得更加具有戰略性。但Kelly警告說，這不會是?夜“這已經開始發?了，但地震般的轉變需要時間，”她說。“這需要創新思維者從根本上改變開發的?法。?前，?多數公司主要使?AI編碼?具來實現?幅效率提升。他們并沒有真正考慮進?徹底的范式轉變，部分原因在于這些?具還沒有達到那個?平。”“但當它們到達時，它們將建??個更?的帳篷，”Snowflake的應?程序和開發平臺負責?JeffHollan說。這不僅僅是關于速度或使開發者擺脫繁瑣的任務。“具有不同技能和領域的開發者將能夠共同?作，發揮更多創造?和智慧。”隨著數據量不斷爆炸和實時分析變得越來越重要，Iceberg處理PB級數據集的?效能?使其成為?個吸引?的選擇。其與供應商?關的特性與現代數據架構很好地契合，促進互操作性并減少供應商鎖定。這些因素，加上Iceberg強?的功能集，使其在不斷發展的?數據領域中成為?個強有?的競爭者。Iceberg的成功不斷擴?（看看我們做了什么）還將推動開源領域的其他關鍵趨勢。Iceberg的吸引?之?在于它滿?了數據處理引擎和存儲系統之間互操作性的需求。這種能?將進?步推動采?允許企業受益于供應商?關解決?案的開放標準的勢頭開源項?在數據分析領域也發揮著重要作?，Snowflake涉開源項?在數據分析領域也發揮著重要作?，Snowflake涉?的?個項?似乎即將?向主流。ApacheIceberg是?個開源表格格式，旨在為?規模數據分析提供類似SQL的簡單性和可靠性。Iceberg將走向主流，最終將操作性和分析性數據結合在一起。和往常?樣，真正?泛的采?將需要時間，但Hollan認為IcebergIceberg將走向主流，最終將操作性和分析性數據結合在一起。組織越來越尋求管理和分析不斷增?的數據集的?效?式，Iceberg功能和靈活性背后強?的社區已經使其在主流中得到了良?致的表格格式，?于管理多樣化的數據源，實時數據攝取，模互操作性需求將加速采用開放標準、數據民主化和生態系統協作。這也將增加對數據治理和安全的關注。Iceberg還在解決圍繞治理和安全性?益增?的需求??表現出將有助于推動數據素養計劃，這將有助于應對這個即將到來的??智能時代所需要的勞動?轉型。?且Iceberg是云?關的，這將使企業可以追求他們需要的任何云原?、多云和跨云策略。Hollan補充說，對他??，Iceberg的?商?關性并?真正價值所在，因為這只是考慮重?供應商轉變的因素之?。“Iceberg與其他開放源項?的互操作性確實很棒，”他贊同道,“但對組織最明顯的價值不是‘我隨時可以離開這個云’，?是強?且快速發展的開發者社區。”AI+數據預測2025GenAI和LLMs：確保新攻擊?的安全|19由于??智能的進步，2024年成為了?絡安全最終變成了??險、迅速演變的數字戰場，將防御者與犯罪分?和國家?為者置于對抗之中開玩笑；?直都是如此，也可能會?直如此。即便如此，LLMs的開發和部署讓備受壓?的安全團隊有更多擔憂的同時，也讓他們對?些事情抱有希望先說壞消息，GENAI讓犯罪分?更容易構建令?信服的社交?程攻擊。難以察覺的視頻換臉和?絡釣?計劃會聽起來更像是?個?作伙伴或來?您最喜歡的?型零售商的?持?員，?不太像?個在地下室或商業園區遠在半個地球之外的?情騙?。?那些幫助您的開發?員更快更安全地編寫代碼的副駕駛?具（如果他們檢查?作）也有助于壞?編寫更好的惡意軟件好消息是，新的基于??智能的?具延續了近年來?動化和機器學習帶來的優勢。思路?直是幫助?類防御者團隊，解決惡意信號和模糊噪?的問題，凸顯需要注意和?預的事件。新的基于??智能的?具承諾?以往任何時候都更擅?這樣做。2024年看到供應商推出專?設計?于保護先進模型的“總的來說，”Snowflake的產品安全負責?AnooshSaboori表?，“安全領域的變化在于需要保護的數據量和攻擊?的?這正在塑造安全團隊采???智能的?式。”這是??智能的?個關注??，Saboori表?：??智能模型本身是下一個AI中心攻擊的焦點“去年，我們談論了在容器層發?的攻擊-這是較不安全的開發?員游樂場。”他說。“現在攻擊者正在向上?層移動到ML基礎設施。我們將開始尋找模式，?如攻擊者將??注?到管道的某部分以使模型提供錯誤答案，甚?更糟的是，透露模型訓練時使?的信息。”GenAI和LLMs:保護新的攻擊?|20迄今為?的臨時?法將圍繞?業標準形成。瓊斯指出了新的GenAI和LLMs:保護新的攻擊?|20迄今為?的臨時?法將圍繞?業標準形成。瓊斯指出了新的ISO42001標準，他表?這很快將成為??智能領域的基本薩布?提到數據安全姿勢管理——?個全?的?法，不斷監控和改進組織保護數據的?式。他說，DSPM將有助于讓那些感受到競爭壓?、不得不將數據投???不太理解的復雜??智能模型中的組織瓊斯補充道：“圍繞著AI?關的?具將對促進對帶來新模型的舒適度?關重要。”他補充說：“在?關上內置標準控制和保隨著安全領導者在??智能時代制定其圍繞?絡安全的最佳實踐，?個重要的元素將是安全數據湖。安全數據湖存儲來?不同來源的?量安全相關數據，整合?志、事件和其他安全信息,?于?級分析、威脅檢測、事件響應和?期保留。?們擔?威脅?為者可能會利?漏洞污染LLMs，然后后續利?。想想騙?如何制作帶有虛假客服電話的假??，以便當某?搜索電話號碼，?如重新預訂航班時，騙局??會浮現，并將來電者連接到冒充客服代表的?份竊賊。然后請記住，欺騙?類客?的相同??可能被?來訓練??智能。 同樣，開發?員正在使?AI編碼?具來加快?產率，但AI?成去年夏天，?學研究?員證明LLMs可能受到有缺陷的代碼毒害，這會產?易受攻擊的輸出。他們并不是第?個這樣做的。為了減輕這種?險，代碼掃描需要整合到開發者體驗中，以便在開發?命周期的早期階段標記漏洞并推薦補救措施。SnowflakeCISO布拉德·瓊斯表?，圍繞AI安全的所有問題意味著組織將不得不建??種嚴格、正式的?法來操作先進的AI。“對于?個模型是如何訓練以及使?了哪些數據，都需要設定整個控制層級，”瓊斯表?。“需要有審計跟蹤，認證、治理結構以及針對模型的控制。未來將更加推動這??的正式性。”對AI模型遭受成功攻擊的?險包括訓練數據泄露、私?數據曝露、數據污染、知識產權盜竊（包括模型本?的盜竊）,偏?問題以及?持ML項?的軟件包中的潛在漏洞。AnooshSaboori指出，對于擔憂的讀者，可以深?了解《Snowflake??書“AI安全框架”》，其中包含更多有關危險和緩解策略的內容。GenAI和LLMs：保護新的攻擊?|21作為網絡安全工具模塊化方法的一部分,安全數據湖對于“這是成本和規模的問題，”Saboori說。“興趣是由市場中更?的趨勢推動的，即現在要能夠在數據量??增加時預防、檢測和應對攻擊。”安全數據湖?持更加模塊化和數據中?的安全策略的興起。Snowflake的客?表?他們對于整體式SIEM感到不滿，因為控制成本迫使在數據收集和保留??做出妥協。安全數據湖讓客?以很?的成本實現對所有安全數據的完全洞察，同時與最優秀的?絡安全應?程序?態最佳組合思維還將讓安全團隊在市場推出時測試和整合基于??智能的安全助?。??少去年春季RSA?會以來，這類?具就備受關注。正如Axios的?份報道指出的那樣：“?管和政府官員?直希望?成式??智能?具可以幫助緩解?作繁重且精疲?盡的?絡安全?員。AI安全副駕駛將延伸人類新的副駕駛?具將應?AI處理安全運營中?臨的?類難以處理的?量潛在事件，承諾使初級分析員更有效，但Jones指出這些?具也帶來“副駕駛?具可能帶來?種新的?險，即可能包含某種程度的版權的模型代碼或副本，”瓊“必須有?定的紀律。”隨著??智能?具變得更加多才多藝和更加準確，安全助?將成為SOC（安全運營中?）的重要組成部分，緩解?期以來的勞動?短缺。“??智能的好處在于能夠以更?層次總結事件，”薩博?說。他說，與其需要分析?員查看所有?志以串聯事件，他們將得到?個對?類有意義且可操作的?層次總結的提?。“這些系統變得更加準確，隨著誤報率接近零,假警報‘緊急情況’將減少。不僅您的安全團隊會更加有效，?且?作滿意度還會提?,因為安全分析員確實遇到的是實際攻擊。”Jones強調，盡管AI可能帶來新的攻擊向量和防御技術，但?絡安全領域將如往常?樣迎接的。特定的新?險，?如GenAI的幻覺或不準“?成式??智能永遠不會達到100%的準確性，組織必須了解可以容忍的?險在哪?，”他說。“在使?特定解決?案詢問客??持問題與進??融交易之間，可能對?險有更?的容忍度。需要有?類監督和驗證很??段時間。”2024年，?ChatGPT爆炸性出現以來，AI正值熱情周期的低?期(并?全是炒作)。持懷疑態度是好的，也是必要的。它能促使深?思考和?泛討論。它可以防?因沖動?導致預算?幅減少和損害聲譽的錯誤。它可以?勵我們同時考慮到防護措施和責任，以及利潤和潛?。但不要讓對明晰視野的需求對AI的整體潛?產?懷疑。記住，?們往往會?估技術短期變化，并低估?期變化。就拿移動技術來說，JenniferBelissent表?。現在或許更容易看到那些負?影響和困難，但隨著新技術的發展和圍繞AI構建更?基礎設施，這些問題將會減少。們肯定需要不斷提???對??智能在世界中的影響和含義“直到我們建?了重要基礎設施，擁有?夠的帶寬來做有趣且富有成效的事情，移動技術才真正起?。”她指出。“此外，技術變得更易?且更平?化也有助于平均?使?。”當AI技術??公眾視野時，?般公眾真正感到震驚，Mtariyan說。“?們對?成式AI和LLMs能做到的事情感到敬畏,并忽視了其中的?些不利和困難，”她說。“需要再過?年，但是有很多初創公司擁有?量新想法，”Attariyan說。“這將是?波改變?活的創新浪潮。”通過持續演進，這項技術將不得不變得更智能，也許它的創造者也需要更加聰明，因為我們正在制定新的倫理準則和法規，以使這項技術成功、公平、透明，對整個社會有益。我“AI將使我們變得更加聰明，推動健康、教育、城市規劃等??的改善，”SridharRamaswamy表?。“我們所有?——技術?員、政策制定者、普通公?——都必須學會有效并負責任地使?每項新技術。”除了我們?泛討論??智能如何塑造未來?年的話題外，我們還與七個廣告、媒體和娛樂拓展創意，最大化預算?告、媒體和娛樂公司已經是數據驅動型企業，這使得更容易探索和擁抱?成式??智能等技術。“他們本?就是?個實驗性?業，”Bill說。Stratton，Snowflake公司全球媒體、娛樂和?告主管說，“?告、媒體和娛樂業往往是采?領先技術的?業。”然?，盡管他們可能沒有像?融服務或醫療保健那樣受到同等級別的監管審查，但他們的?作創造性質使他們更容易遇到知大型知識產權持有者（及其強大的法律團隊）將在制定許可制度方面取得領先獨?藝術家針對基于?本到圖像的??智能模型提出的持續法律挑戰的回應將推動模型制造商從出版商那?許可內容。圍繞公平使?和知識產權補償的擔憂的增加也將推動媒體巨頭開發??的識產權問題。“擁有知識產權的公司，不管是媒體公司、創意機構還是像蓋蒂這樣的圖像公司，都將開發??的模型，以便將??的知識產權與?成式??智能的應?結合起來。”斯特拉頓解釋道。人工智能將讓廣告預算更有價值，因為中間人盡管任何公司都將關?預算能延展多遠，但對于?告、媒體和娛樂?業的任何?來說，成功的最終衡量標準是轉化為消費者。AI?具的另?個好處將是提?向消費者傳遞信息的整個過程的市場希望更清楚地將營銷努?與收?之間劃出?條直線。效率。?前，營銷?員在推出?告和接觸客?之間的某個環節損失了將近?半的資?。??智能將為?告商帶來的?個明顯好處是讓預算更有價值。“對于營銷?員花費的每?美元，我們假設有60美分?于在數據引力——以及在數據所在地利用數據的能力——將為營銷人員帶來新的更好機不同渠道上分發和優化營銷內容。剩下的40美分花在賣?和買?之間的?態系統中，”Stratton解釋，隨著?告技術/營銷技術的融合不斷深?，并通過消除冗余來截短價值鏈，越來越少的?告投?會在抵達消費者“以往阻礙這?點的是數據移動或數據復制，”Stratton說。“現在，由于技術解決了數據移動問題，我們將看到更多營銷?員能夠通過轉化來衡量他們的?告活動的成功。”金融服務在創新與財政審慎之間取得平衡?融服務機構往往是采?新技術的領導者，因為它們對經濟?常重要，所以它們影響更?泛的采?。然?，據Snowflake?融服務全球負責?RineshPatel表?，該?業正?向對先進??智能采?的短暫停頓。金融服務公司將比大多數公司更慢地超越實驗階段，達到實現階段。“隨著?融服務?業?平的設定和評估可證明的投資回報率，圍繞??智能的勢頭可能會放緩，”他說。“每個?的資產負債表上都有?項說著GPU，但沒有?能夠真正解釋它帶來了什么。”該?業對??智能的?法將繼續在創新和財政審慎之間取得平衡。“董事會不關?實驗，他們關?利潤的可持續性，”他說。“能夠解釋??智能產?的投資回報率與僅僅進?實驗的公司之間有明顯差距。”他認為??智能以兩種?式增加價值：通過增強?作者并提?其效率，以及通過?主運作實現，?需?類參與。他表?，后者將在?段時間內仍處于實驗階段。具有強?底線潛?的技術發展不“當然，董事會會關?投資回報率，但不會忘記保護組織，”他說。當然，監管機構也警惕保護公司、消費者和?融系統。“他說，監管機構已經開始更加關注這項技術的發展。展望未來，他們將努?保護投資者，確保市場中有?夠的流動性等等必然會有一條由人工智能引發的具有重大影響的災難性負面頭條新聞或事件，足以啟動監管。監管框架和合規要求將像往常?樣進?調整。“監管機構仍在努?理解這項技術并跟上發展的勢頭，”Patel說。“監管要么會積極阻?技術的最糟糕??—如基于種族、性別、宗教或政治傾向的偏?咨詢—要么監管將是某個?天鵝事件的結果。”他說，?天鵝可能與2010年的閃電崩盤類似。?五年前，?融服務?業正處于圍繞?為驅動的?主對沖基?策略與計算機驅動的系統對沖基?策略的優點展開辯論之中。然后，在2010年,道瓊斯指數在短短10分鐘內暴跌了1000多點，逾1萬億美元的損失。后來查明，這是?次閃電崩盤，歸咎于?名倫敦期貨交易員快速拋售數千份?合同操縱市場。從監管?度來看，先發?了崩盤，然后出臺了預防措施。預計未來會有類似的情況發?，有?變得不可控。“當出現幻覺并導致某?被燒傷時—我、你或某個機構—我們會看到監管加速,”Patel鑒于?融?業的?期展望，為什么會發?這樣的危機？如果?個組織把短期利益置于?期責任之前，那么?捷徑可能會“你可以提出關于??智能的?例，但如果沒有設置正確的防護措施、理解治理和負責任的??智能，那顯然作為?個組織會暴露于?險，”Patel說。“這實際上關乎治理和透明度。在金融服務業中，將會有贏家和輸家在實現人工智能操作化方面的競爭中，它們之間的鴻溝將是巨大的，而非微不足道的。在缺乏現代數據戰略和健全的數據?化的情況下，治理和透明帕特爾表?：“當??智能部署在?個堅實的數據戰略旁邊，并被開放與創造性?化所包圍時，它有可能成為云計算興起以來?過的最?助推劑。”帕特爾說:“當這些條件不存在時，??智能可能是?項不切實際的投資。能夠正確把握這些條件的公司，這是困難的，它們將遙遙領先于競爭對?。這場?賽不會在沖刺時?觸即?。”