至顶网软件频道消息:
IBM正试图让自己的Watson Data Platform的数据访问更容易,以便让那些基于人工智能的应用使用该平台。
IBM表示,Watson中增加新的数据编目和精炼功能,将让开发者和数据科学家更容易为AI应用准备数据和分析数据。新功能让用户可以更容易跨公有云和私有云连接和分享数据,这也是IBM扩展其数据治理产品的举措之一。
IBM Watson Data Platform是一款基于云的服务,集成了各种工具帮助数据科学家和其他人从他们的数据中获得智能,访问AI、分析和机器学习服务。
这次公布的Data Catalog和Data Refinery工具可以帮助将不同格式、不同位置(例如云或者本地环境中)的数据聚合到一起,用户可以访问到这些数据。此外这些工具还可用于清理这些数据,让基于AI的应用可以使用这些数据。其他特点还包括能够利用元数据标记和执行数据治理策略,确保数据的安全性。
IBM还宣布提供Analytics Engine,可将数据存储与其中保存的信息分离开,把数据更快速地输送给AI应用。IBM表示,这些新功能将有助于打消AI应用开发者面临的主要障碍之一,也就是让保存在不同位置的复杂数据变得有意义。
对于那些正在应对数据量快速增长的企业来说,数据治理已经成为一个日益严重的问题。IBM正在通过扩展Unified Governance Platform来解决这个需求,该平台让企业组织能够更容易找到数据和分类数据。InfoSphere Information Server现在提供了对Unified Governance Catalog的单一视图,被用于定义通用数据描述。此外,IBM还更新了用于表和元数据服务的Datastage Designer工具,增加识别和建议使用模式的方法。
新推出的Analytical Master Data Management工具提供的自助式服务可用于动态可视化、探索和关联数据源。一个名为域“同意管理”主要针对需要符合将在明年5月生效的欧盟“通用数据保护条例”(GDPR)的企业。用户可以查看和管理在GDPR要求中定义的各种许可过程。
IBM还升级了Industry Data Models,主要是考虑到了GDPR条例。这些预先设计的业务和技术数据模型可用于围绕已经识别的数据加快商业智能应用的开发。这次增加了对GDPR域专有条款的支持,此外还有行业专用词汇索引,以填补监管机构和垂直行业之间在语言上的差距。
IBM Watson Data Platform总经理Derek Schoettle表示:“人工智能的关键是从强大的数据基础开始的,这将流入数据的量和速度挑战转变为一种资产。对于那些利用人工智能创新和竞争的企业来说,他们需要一种方法来掌握和组织各个来源的数据,将这种复杂数据索引作为每个决策和项目的支柱。”
好文章,需要你的鼓励
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。
这项研究探讨了多模态大语言模型在增强推理能力时出现的视觉幻觉问题。研究发现,模型生成更长推理链时,对视觉信息的关注减少,导致幻觉增加。研究者提出RH-AUC指标和RH-Bench基准来评估模型在推理与幻觉间的平衡,发现较大模型表现更好,纯强化学习训练优于监督微调加强化学习,且训练数据的类型比数量更重要。这些发现对开发既具推理能力又保持视觉准确性的AI系统具有重要意义。
这篇研究探讨了大语言模型在自动推理任务中的不确定性问题。研究者提出,模型生成形式规范时的概率不确定性不是缺陷,而是宝贵的信号源。通过引入概率上下文无关文法框架分析SMT-LIB程序分布,他们发现不确定性信号具有任务相关性(如逻辑任务中的语法熵AUROC>0.93)。他们的轻量级信号融合方法能减少14-100%的错误,仅需最小弃权,将大语言模型驱动的形式化转变为可靠工程学科。研究揭示当模型正确理解逻辑关系时会产生稳定的语法模式,为判断何时信任模型提供了可靠指标。
来自沙特阿拉伯王子苏丹大学和阿尔法萨尔大学的研究团队开发了GATE(General Arabic Text Embedding)模型,这是一套专为阿拉伯语设计的文本嵌入系统。该研究结合了套娃表示学习和混合损失训练方法,解决了阿拉伯语特有的语义处理挑战。GATE模型在MTEB基准测试的语义文本相似度任务中表现卓越,比包括OpenAI在内的更大模型高出20-25%,同时保持了多维度(768至64)的高效表现。研究通过详细的错误分析揭示了模型在不同相似度水平上的表现特点,为阿拉伯语NLP领域提供了新的研究方向。