今天上午在AWS re:Invent 2014大會(huì)上,我聽了亞馬遜CTO Werner Vogels在1個(gè)半小時(shí)的演講中穿叉著AWS的7、8個(gè)美國(guó)企業(yè)級(jí)用戶的演講,我邊聽邊對(duì)中國(guó)用戶有10個(gè)不明白:
[video]uu=dfa091e731&vu=2446fe51ec&auto_play=0&width=600&height=450[/video]
1、為什么美國(guó)企業(yè)級(jí)用戶這么推寵AWS,中國(guó)絕大部分企業(yè)級(jí)用戶不接受公有云?
2、美國(guó)軟件開發(fā)商說(shuō)是他們的生產(chǎn)型、銷售型用戶要求開發(fā)商幫助自己的信息管理方式、數(shù)據(jù)資源從私有云向公有云轉(zhuǎn)移,中國(guó)用戶為什么不?
3、一個(gè)美國(guó)用戶1年在AWS平臺(tái)上執(zhí)行6500萬(wàn)筆文案、上傳70億小時(shí)的視頻,難道中國(guó)絕大多數(shù)的企業(yè)級(jí)用戶的數(shù)據(jù)更多嗎?
5、一位澳大利亞用戶原在私有云上要用10天的時(shí)間完成的任務(wù),用了AWS只需要4小時(shí)完成,難道中國(guó)用戶比澳大利亞用戶更有時(shí)間嗎?
6、美國(guó)用戶用Lambda不需關(guān)心配置、只需填寫參數(shù)就可實(shí)現(xiàn)云服務(wù),難道中國(guó)用戶更需要關(guān)心自已應(yīng)用以外的配置嗎?
我在AWS re:Invent 2014現(xiàn)場(chǎng)
7、美國(guó)一個(gè)叫GILT的用戶用EC2 Comtainer將7個(gè)應(yīng)用創(chuàng)新、擴(kuò)展到了300項(xiàng)微應(yīng)用,難道中國(guó)用戶希望自已的創(chuàng)新應(yīng)用少嗎?
8、美國(guó)一個(gè)天氣數(shù)據(jù)的用戶用了AWS云服務(wù)完成了私有云不可能完成的1.7億次/每天下載任務(wù),中國(guó)氣象數(shù)據(jù)量比美國(guó)多得多嗎?
9、谷歌眼鏡能用AWS完成自己的創(chuàng)新,難道中國(guó)IT廠商有比谷歌眼鏡更高級(jí)的產(chǎn)品、云不能滿足創(chuàng)新嗎?
10、AWS re:Invent 2014的PPT為什么閃的那么快?我產(chǎn)品名字都沒(méi)來(lái)得及看清,就沒(méi)了。
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專家搜索方法,讓AI能根據(jù)不同問(wèn)題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問(wèn)題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過(guò)"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問(wèn)題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競(jìng)賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長(zhǎng)度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過(guò)滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長(zhǎng)視頻生成中的錯(cuò)誤累積問(wèn)題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過(guò)讓AI模型學(xué)習(xí)解決幾何問(wèn)題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測(cè)試基準(zhǔn)上都帶來(lái)顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績(jī)。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。