ZDNet至顶网软件频道消息: 近日,企业数据集成软件提供商Informatica发布Intelligent Data Platform。作为下一代数据平台,Intelligent Data Platform将在正确的时间内提供正确的数据,通过铺设一条虚拟数据高速公路,将人员、位置与事物以更加智能的方式紧密相连,从而为应用程序、设备和人员提供支持。
Informatica 执行副总裁兼首席产品官 Anil Chakravarthy 表示:“支离破碎、未受保护、无法访问、质量低下的不良数据只会带来糟糕的业务结果。Intelligent Data Platform让数据实现自我组织,保证数据安全可靠,确保数据能更轻松地为人员、应用程序、设备和事物所使用,进而将数据驱动型业务潜力带入新的阶段。”
Informatica World 2014年度用户会议上,Informatica公司展示了一系列Intelligent Data Platform的应用案例,其中包括自助服务数据集成(Springbok 项目)、数据导向型安全管理(Secure@Source 项目)以及 360 度全方位业务实体(MDM 10)。
面向人员、位置和事物的智能数据
尽管数据已经成为每一项业务计划的核心要素,但基于传统项目的集成方法难以跟上当今与日俱增的应用程序、信息消费者以及设备的步伐,进而制约了数据潜力的发挥。Intelligent Data Platform让数据管理突破IT 项目的边界,通过数据支持的应用程序使之成为业务惯例。
Enterprise Management Associates 研究总监 John Myers 表示:“企业组织需要全新的数据管理部门,从数据基础设施层面简化了解到的信息,包括元数据、使用模式、规则和分类,从而确保更好地运用数据。Intelligent Data Platform拥有强大的潜力,能让业务用户更轻松地扩充和准备数据。 这种新型智能数据管理将支持利用数据消费者自选的设备或应用程序实现自助检查和配置。”
Informatica 开发的Intelligent Data Platform包含以下三大要素:
1. Informatica Vibe 虚拟数据机:这 是一种可嵌入式数据处理引擎, 它提供了对任何位置、格式或来源的数据的近乎普遍的访问能力,支持客户“一次映射,多次部署”。
2. 数据基础设施: 数据基础设施层能够在任何规模下,系统、连续地交付干净、安全、互连的数据。从部门级到企业级,从事务数据到大数据,从内部部署到云端。
3. 数据智能:业内首创的数据智能层将为客户重新定位数据基础设施层所创建的元数据,进而提高可见性、改善决策过程并加强运营智能化水平。
本次发布的Intelligent Data Platform能够以正确的方式将正确的数据传递到正确的位置、人员或事物处:Informatica 将在正确的时间提供最高质量的正确数据;Informatica 会将数据交付到正确的位置 - 包括内部部署和/或云端;Informatica 会将数据交付给正确的人员 - 无论是 IT 部门用户、分析师、数据管理员,还是业务用户;Informatica 会将数据交付到正确的事物处,包括联网设备或自动化决策系统;Informatica 将以正确的方式交付数据,确保数据安全可靠、经过授权、获得保护。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。