大规模业务分析提供商GoodData正在发布一项能够让客户将分析和机器学习能力嵌入到现有应用和工作负载的新技术。
GoodData把这些新功能定位为“战略上的改变”,此前GoodData是围绕把分析集成到应用中定位的。GoodData表示,它的分析现在可以通过使用API嵌入到最流行的工作流和企业应用。机器学习可以用于辅助日常应用决策,通过日常任务的自动化简化工作流。
GoodData公司首席执行官Roman Stanek把Google Calendar作为类比,后者会根据个人预测流量建议用户何时离开会议。“我们可以根据个人的信任的等级给出建议或者决策。你可以构建智能业务应用,允许它在学习的同事评估源自于预测模式的信赖程度,然后全面实现流程的自动化,或者让你可以进行干预。”
在最近GoodData委托进行的一份研究报告中,Nucleus Research预测,面向商业用户的分析中有90%最终将嵌入到其他核心应用中。GoodData表示,机器学习增强的应用在金融服务、零售、医疗和会计行业具有巨大潜力。
GoodData与其他商业智能平台不同的是它有着很广泛的功能重点。“我们专注于流程增强,而不是针对某一个特定的用户类型,例如数据科学家或者分析师。”
GoodData将把机器学习作为实现可操作的业务成果的一部分。“例如,GoodData让客户洞察到他们的售卖情况,预测下一步售卖什么,帮助他们分辨出什么是好的销售和糟糕的销售。”
好文章,需要你的鼓励
当超级计算机被压缩进一个比书本还小的盒子里,这画面有多炸裂?想象一下,你桌面上摆着的不是什么花瓶摆件,而是一台能跑200B参数AI推理的"超算怪兽"——这就是我们今天要聊的主角:华硕Ascent GX10。
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。