近日,Amazon在舊金山召開的AWS(Amazon Web Services)峰會宣布,在其云服務(wù)家族中加入一項Machine Learning,為沒有機器學(xué)習(xí)背景的開發(fā)者提供分析和預(yù)測工具。該應(yīng)用基礎(chǔ)版目前有一年的免費期,只限美國東部地區(qū)。
在此之前,很多公司如Netflix和維權(quán)網(wǎng)站Change.org都在使用Amazon的AWS工具,來對用戶行為和數(shù)據(jù)進(jìn)行分析和推斷。但通過原有工具實現(xiàn)機器學(xué)習(xí)的任務(wù)對技術(shù)人員要求較高,Amazon這次希望搭建一個門檻更低的平臺,更好地為企業(yè)用戶服務(wù)。
Amazon 內(nèi)部使用機器學(xué)習(xí)已經(jīng)很多年,而這些企業(yè)用戶對這項技術(shù)也垂涎已久。坐擁大量數(shù)據(jù)的開發(fā)者越來越多地需要從這些數(shù)據(jù)中挖掘價值,比如電商可以根據(jù)分析用戶 行為關(guān)聯(lián),選擇性地投放廣告。這些對數(shù)據(jù)分析、建模的要求很高,同時用戶需求很大。使用Amazon的新工具,只需要大致三步:首先使用Amazon S3或Redshift建模,然后對模型進(jìn)行驗證和優(yōu)化,最后使用它來進(jìn)行預(yù)測。
在這個領(lǐng)域,目前也是存在競爭的。如微軟旗下專注云服務(wù)的Azure在二月推出了自己的機器學(xué)習(xí)工具,而IBM上個月收購AlchemyAPI后,將把AlchemyAPI的深度學(xué)習(xí)技術(shù)整合到Watson核心平臺,增強Watson挖掘非結(jié)構(gòu)化數(shù)據(jù)并識別出它們之間聯(lián)系的能力。
除 了機器學(xué)習(xí)工具,Amazon這次一口氣推出了另外兩個企業(yè)服務(wù),一個是云存儲服務(wù),叫作“亞馬遜彈性文件系統(tǒng)”(Amazon Elastic File System),用以處理容量超過1PB(相當(dāng)于1024TB)的龐大數(shù)據(jù),這么說可能有些抽象,舉個例子,1PB存儲空間可以是連續(xù)十多年拍攝的高清視 頻。
另一個是第三方軟件交易平臺,可能顛覆以往的軟件采購模式。像正在席卷的訂閱大潮一樣,企業(yè)客戶不再需要簽訂多年的訂購合同,而是可以通過這個平臺按月租用軟件,并通過Workspaces服務(wù)在亞馬遜提供的虛擬PC上運行,靈活性增強。
好文章,需要你的鼓勵
浙江大學(xué)團(tuán)隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(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,且不增加計算成本。研究發(fā)現(xiàn)不同類型問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)隊提出SIRI方法,通過"壓縮-擴張"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"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(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)隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,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)隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。