AWS和微软将联手发布一个名为Gluon的开源深度学习库,两家公司称此举能够让更多开发者利用机器学习,这个机器学习库为开发者提供了一个接口,他们可以通过这个接口为云和移动应用打造、构建、训练和部署机器学习模型。
据称,与其他产品相比,Gluon是一个更为简洁、易于理解的编程接口,让开发者有机会快速地打造神经网络原型并进行实验,而不用牺牲性能。
Amazon AI副总裁Swami Sivasubramanian表示:“今天的现实情况是,构建和训练机器学习模型需要大量的繁重的专业知识。我们创建了Gluon接口,让构建神经网络和训练模型变得和构建一个应用一样简单。”
Gluon接口目前适用于Apache MXNet,未来版本还将支持微软Cognitive工具套件。开发者可以使用Python API和一系列预构建的神经网络组件来构建机器学习模型。
AWS和微软还发布了Gluon在GitHub上的参考规范,可让其他深度学习引擎能够整合该接口。
微软AI及研究企业副总裁Eric Boyd表示:“我们相信对于行业来说,相互合作和池化资源以打造有益于更广泛群体的技术,这是非常重要的。机器学习有能力变革我们工作、交互和交流的方式。为了实现这一点,我们需要提供适当的工具,Gluon接口就是我们在这个方向迈出的一步。”
这并不是两家科技巨头围绕AI进行的首次合作,今年8月两家公司承诺将在今年年底实现微软Cortana和Amazon Alexa之间的通信。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。