西雅图初创公司Mighty AI在A1轮融资里从英特尔资本筹得1400万美元,新参与的投资者还有谷歌风投和Accenture风投。Mighty AI原名Spare5,刚刚改名不久。现有投资者Foundry集团、Madrona企业集团、新企业合股公司也亦在A1轮中投资。
Mighty AI成立于2014年,主要是雇请主题专家微调人工智能(AI)引擎,目的是让这些引擎就可以看、听、说话以及像人类一样“思考”。业界各企业希望利用人工智能技术,但却缺少所需的数据集建立有效的人工智能软件,人工智能引擎令这些企业能够获得相应的数据集,对自己的计算机视觉和自然语言模型进行训练和有规模的扩展。
Mighty AI创始人兼首席执行官MattBencke表示,“在不久的将来,人工智能一定能使我们生活的方方面面变得更美好。而为了使人工智能模型做到这一切,这些模型需要了解我们想的是什么及我们如何思考。Mighty AI是计算机和人类认知之间的重要连接,它可以将适当的人类置于适当的学习循环里。”
启动Mighty AI共筹得1300万美元的新资金,在此之前也筹了资金,这些都将用于扩大旗下所谓的“训练数据即服务”网络平台和“5”社区,“5”社区有超过10万人,在业余时间完成微任务(Microtasks),如确认图像对象及为其打标签,或是进行文本情感分析。
Mighty AI也将用筹到的资金扩大旗下的数据科学家、工程师、产品、销售和营销专业人士团队。
此外,Mighty AI与英特尔和Accenture签署了协议,两家公司将负责面向全球客户推荐和销售Mighty AI的训练数据服务。
该协议拟定,英特尔和Accenture的客户将获得:诸如英特尔芯片构建版的基础设施;数学算法(并行处理用于“思考”的大量计算);训练数据(使各种泛泛的算法能模拟人类知识)和由此产生的接口(方便用户使用)里人工智能模型应用程序。
英特尔公司高级副总裁Doug Fisher表示,”正如我们的首席执行官Brian Krzanich说的,人工智能不仅是计算的下一个大浪潮,人工智能将是人类历史的下一个大转折点。英特尔在人工智能上投资,目标是在性能上有突破,同时使人工智能解决方案能够被所有人更容易地使用和更容易地部署……为了生成用于部署训练模型的高质量数据,必须大规模地获取干净的、准确的人类注释,这一点十分重要。”
除了投资人工智能外,英特尔投资在2016年11月还宣布在未来两年内将投资超过2.5亿美元,目的是为使全自主汽车成为现实出力。Krzanich当时表示,数据是新的石油,他提到自主汽车收集数据的各种方式,如摄像头、雷达、声纳、GPS、激光雷达等。据估计,每辆车每天将生成约4TB的数据。
Krzanich当时在一篇博文里表示,“在我们今天的汽车世界里,可以说石油是关键技术。而对于未来的汽车和自主驾驶体验而言,数据是新的石油。数据有可能从根本上改变我们对驾驶体验的想法。”
Accenture在人工智能上也加大了力度。2016年5月,Accenture与IPsoft结成合作伙伴,组建了新的业务部,主打推动人工智能在企业的推广和使用。
其间,谷歌为了履行首席执行官Sundar Pichai以人工智能为中心的策略,于2016年年中创立了专攻人工智能的新的研究小组。Pichai于同年4月表示,他预见有朝一日设备将完全消失,取而代之的是无处不在的人工智能,他称谷歌在人工智能上投资就是为这样的世界做准备。
好文章,需要你的鼓励
随着5G流量快速增长和新用例不断涌现,网络运营商需要在最小化环境影响的同时管理密集网络使用。Orange法国与爱立信合作开展创新试验,测试FDD大规模MIMO天线集成无线电,优化高流量区域频谱使用。双方还探索Cloud RAN和Open RAN架构,通过虚拟化RAN功能实现灵活的软件中心网络。合作重点关注利用AI驱动的自动化和意图驱动技术提升能源效率,在不影响性能的前提下动态调整网络资源以降低能耗。
谷歌DeepMind等顶级机构联合研究揭示,当前12种主流AI安全防护系统在面对专业自适应攻击时几乎全部失效,成功率超过90%。研究团队通过强化学习、搜索算法和人类红队攻击等多种方法,系统性地突破了包括提示工程、对抗训练、输入过滤和秘密检测在内的各类防护技术,暴露了AI安全评估的根本缺陷。
微软正在将Windows 11改造为"智能代理操作系统",在任务栏中集成AI代理功能。新功能允许AI代理在后台执行任务,用户可通过任务栏图标查看进度状态。微软还在文件资源管理器中集成Copilot,提供文档摘要、文件问答等功能。此外,Click to Do功能得到改进,可将网页表格转换为Excel文档。这些AI功能采用本地AI和云端AI混合模式,为用户提供更智能的操作体验。
西蒙弗雷泽大学和Adobe研究院联合开发的MultiCOIN技术,能够将两张静态图片转换为高质量的过渡视频。该技术支持轨迹、深度、文本和区域四种控制方式,可单独或组合使用。采用双分支架构和分阶段训练策略,在运动控制精度上比现有技术提升53%以上,为视频制作提供了前所未有的灵活性和精确度。