ZD至顶网软件频道消息:AWS认为自动化并非什么特别功能,相反AWS认为自动化是必须的。所以,像以前对待Lambda 服务器那样,现在AWS进军分析并要将其变成托管服务也就不是什么值得大惊小怪的了。
AWS首席技术官 Werner Vogels在AWS 峰会上概述了AWS关于自动化的愿景。他认为,云计算基础设施已经进入进程和函数时代,而背虚拟机和容器而去。
无服务器计算的成功是有据可查的, AWS正在集成商、框架和用例的生态系统里大展宏图。如果将自动化看作一个个请求,而不是一个功能,那就可以看出个中端倪,AWS暗地里在包括分析在内的托管服务上孤注一掷。
据悉,AWS 推出了名为“Kinesis分析”的流数据托管服务,这项服务能够使用和处理标准 SQL语句。AWS表示,企业用户不用学习编程技巧,也可以管理诸如S3 、Redshift和Elasticsearch服务之类的AWS服务。Kinesis可以在后台规划、部署和有规模地扩展资源。
目前,美国职棒大联盟高级媒体( MLB Advanced Media)和 JustGiving用上了Kinesis分析。假如Kinesis分析走的路和Lambda一样的话,其他公司也会跳上AWS的Kinesis船。
Kinesis和Lambda均可以令客户将重点放在自己想在后台运行的代码上,同时还可以达到有规模地扩展、具耐久性和可用性高的目的。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。