CNET科技資訊網(wǎng) 3月20日 北京消息:萬(wàn)達(dá)網(wǎng)絡(luò)科技集團(tuán)將進(jìn)軍公有云業(yè)務(wù)。3月19日,萬(wàn)達(dá)網(wǎng)絡(luò)科技集團(tuán)與IBM在京簽訂戰(zhàn)略合作協(xié)議。通過(guò)此次合作,中國(guó)企業(yè)將獲得相關(guān)的IBM云基礎(chǔ)架構(gòu)即服務(wù)、平臺(tái)即服務(wù)(IaaS 與 PaaS)以及IBM Watson、區(qū)塊鏈和物聯(lián)網(wǎng)等先進(jìn)技術(shù)。
萬(wàn)達(dá)目前已經(jīng)建有多個(gè)云數(shù)據(jù)中心,根據(jù)云服務(wù)業(yè)務(wù)的發(fā)展,未來(lái)將在全國(guó)廣泛布局。這些云數(shù)據(jù)中心內(nèi)均將部署基于IBM的云平臺(tái)技術(shù)。IBM將持續(xù)對(duì)平臺(tái)進(jìn)行創(chuàng)新,確保萬(wàn)達(dá)提供的云服務(wù)能夠助力廣大中國(guó)企業(yè)的數(shù)字化轉(zhuǎn)型。
作為本次戰(zhàn)略合作的重要內(nèi)容之一,萬(wàn)達(dá)網(wǎng)絡(luò)科技集團(tuán)將在中國(guó)市場(chǎng)推廣IBM Watson服務(wù),國(guó)際“商業(yè)人工智能系統(tǒng)”IBM Watson將被引入中國(guó)。首先引入的是能夠在應(yīng)用設(shè)計(jì)中加入自然語(yǔ)言交互功能的Watson對(duì)話服務(wù),未來(lái)還將引入更多基于云平臺(tái)的IBM Watson服務(wù)。
本次合作也是萬(wàn)達(dá)首次在中國(guó)提供如此廣泛的云科技服務(wù),旨在借助IBM領(lǐng)先的云技術(shù)、萬(wàn)達(dá)網(wǎng)絡(luò)科技集團(tuán)廣泛的產(chǎn)業(yè)資源,幫助中國(guó)企業(yè)提高競(jìng)爭(zhēng)力。這一合作關(guān)系的建立預(yù)示著中國(guó)市場(chǎng)上云計(jì)算和認(rèn)知計(jì)算能力的提升,將有效支持中國(guó)的“互聯(lián)網(wǎng)+”戰(zhàn)略。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)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(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過(guò)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(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)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(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。