ZD至顶网软件频道消息:IBM在本周举行的合作伙伴世界峰会上将全部筹码押在认知计算上。
IBM首席执行官吉尼·罗梅蒂(Ginni Rometty)在主题演讲中表示,“认知计算正在成为IBM大转型的核心,尤其是Watson。”
Ginni表示,IBM将公司的命运押在云的认知计算上,旗下的54个云数据中心都支持Bluemix。Bluemix是IBM 的Watson认知计算功能和应用程序编程接口(API)的仪表板。
Ginni认为,IBM针对Bluemix所做的架构更改将渗透到所有下层的计算里。”时下有三个领域将影响到所有企业:其中之一是对诸如开放型全球数据平台的新架构的需求,而Bluemix和Watson则提供了这种新架构。”
IBM首席执行官吉尼·罗梅蒂在合作伙伴世界峰会主题演讲里表示,IBM将全部筹码押在认知计算上
Ginni表示,“其二,人工智能(AI)可以从结构化和非结构化数据获得信息。其三,由于专门针对每个用户范畴的透明机器学习,得到的结果是各种前所未有的洞察。”
她预测,至2017年底为止,将会有来自45个国家20个行业的十亿用户使用Bluemix模式。她还表示,至2022年,Bluemix模式将影响到消费者的每一个决定。
Ginni还预测,随着医疗条件、网络安全等各领域里基于知识的解决方案的发展,那些在这些领域里开发应用程序的弄潮儿将成为世界先锋公司。
IBM声称已经开拓出一个决策支持认知计算市场,该市场至2025年将达2万亿美元,另外,IBM还开拓出一个至2020年将达1.5万亿美元的生产力增加市场
IBM为推动认知市场的发展还宣布了一项“Watson构建挑战赛”,旨在鼓励用户在IBM市场网站上贡献IBM测试和验证应用程序。IBM市场网站上此前只有IBM开发的Watson应用程序。
所有人都可以参加Watson构建挑战赛,无论是全球已经入局的财富50强公司或是小小的初创公司都可以参加。Watson构建挑战赛是仿照一个内部比赛构思出来的,全部380000名IBM员工在去年的内部比赛里的任务是构建一个Watson应用。在是次内部比赛里胜出的应用程序已在IBM市场上销售。Watson构建挑战赛的优胜者预计将在今年年底宣布。
在医疗应用方面,机器学习、人工智能和认知计算之间在各方面都存在区别,例如,从x射线检测肿瘤(机器学习)的能力不同,另外,通过分析血液在血管/毛细血管动态的流动在肿瘤生长前检测癌症的能力也不同,再者,将相关文献的癌症治愈个案与上述数据比较后进行准确诊断并最终治愈病症的能力也不同
IBM云商业伙伴和渠道创新副总裁Dave Wilson在接受记者采访时表示,“我们的数据中心里现在大约有70%的工作负载运行IBM API,约30%的全部Bluemix调用去了Watson。BlueMix现在已广泛用于Watson各种大大小小的物联网应用里。”
Wilson说的和Ginni类似,他表示,IBM将所有鸡蛋都放在认知篮子里。他表示,IBM不仅向其合作伙伴销售BlueMix和Watson链接,令他们可以开发自己的应用程序,而且30%的IBM合作伙伴还将BlueMix卖给他们的客户运行为某个特别目的而设置的解决方案。
托管在IBM的BlueMix云里的Watson平台是IBM的公司策略,不仅仅是为了与众不同,而是要确保IBM在 21世纪里的领先地位
 0赞
0赞好文章,需要你的鼓励
 推荐文章
                    推荐文章
                  英伟达和诺基亚宣布战略合作,将英伟达AI驱动的无线接入网产品集成到诺基亚RAN产品组合中,助力运营商在英伟达平台上部署AI原生5G Advanced和6G网络。双方将推出AI-RAN系统,提升网络性能和效率,为生成式AI和智能体AI应用提供无缝体验。英伟达将投资10亿美元并推出6G就绪的ARC-Pro计算平台,试验预计2026年开始。
这项由哥伦比亚大学研究团队完成的突破性研究首次揭示了AI系统自我改进中的"效用-学习张力"问题:系统追求更好性能时会增加复杂度,但过高复杂度会破坏学习能力。研究建立了学习边界定理,提出双门控制机制,为AI安全自我改进提供了理论基础和实用方案,对确保AI技术长期安全发展具有重要意义。
虽然ChatGPT等AI工具正在快速改变世界,但它们并非无所不知的神谕。ChatGPT擅长"令人信服的错误",经常提供有偏见、过时或完全错误的答案。在健康诊断、心理健康、紧急安全决策、个人财务规划、机密数据处理、违法行为、学术作弊、实时信息监控、赌博预测、法律文件起草和艺术创作等11个关键领域,用户应避免完全依赖ChatGPT,而应寻求专业人士帮助。
这项由Reactive AI公司Adam Filipek主导的研究提出了反应式变换器(RxT),通过事件驱动架构和固定大小记忆系统,将传统聊天机器人的对话成本从平方级降为线性级,使长期对话成本降低99%以上,同时实现恒定响应速度。实验证明即使12M参数的RxT也显著优于22M传统模型,为高效对话AI开辟新路径。
 
         
             
                 
                     
                     
                    