今天上午在AWS re:Invent 2014大會上,我聽了亞馬遜CTO Werner Vogels在1個半小時的演講中穿叉著AWS的7、8個美國企業(yè)級用戶的演講,我邊聽邊對中國用戶有10個不明白:
[video]uu=dfa091e731&vu=2446fe51ec&auto_play=0&width=600&height=450[/video]
1、為什么美國企業(yè)級用戶這么推寵AWS,中國絕大部分企業(yè)級用戶不接受公有云?
2、美國軟件開發(fā)商說是他們的生產(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,中國用戶為什么不?
3、一個美國用戶1年在AWS平臺上執(zhí)行6500萬筆文案、上傳70億小時的視頻,難道中國絕大多數(shù)的企業(yè)級用戶的數(shù)據(jù)更多嗎?
5、一位澳大利亞用戶原在私有云上要用10天的時間完成的任務(wù),用了AWS只需要4小時完成,難道中國用戶比澳大利亞用戶更有時間嗎?
6、美國用戶用Lambda不需關(guān)心配置、只需填寫參數(shù)就可實現(xiàn)云服務(wù),難道中國用戶更需要關(guān)心自已應(yīng)用以外的配置嗎?
我在AWS re:Invent 2014現(xiàn)場
7、美國一個叫GILT的用戶用EC2 Comtainer將7個應(yīng)用創(chuàng)新、擴展到了300項微應(yīng)用,難道中國用戶希望自已的創(chuàng)新應(yīng)用少嗎?
8、美國一個天氣數(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),中國氣象數(shù)據(jù)量比美國多得多嗎?
9、谷歌眼鏡能用AWS完成自己的創(chuàng)新,難道中國IT廠商有比谷歌眼鏡更高級的產(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)品名字都沒來得及看清,就沒了。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學解題中,為AI訓(xùn)練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。