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(jī)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(jī)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(jī)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(jī)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(qiáng)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(jī)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(qiáng)。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術(shù),通過交錯式推理生成、解耦橋接機(jī)制和漸進(jìn)式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準(zhǔn)測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時學(xué)習(xí)外觀和運動信息,顯著解決了當(dāng)前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個線性層就能大幅提升運動質(zhì)量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評測基準(zhǔn),通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術(shù)路徑。
谷歌DeepMind團(tuán)隊開發(fā)的GraphCast是一個革命性的AI天氣預(yù)測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報,準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來了效率和精度的雙重突破。