至顶网软件频道消息: AWS表示,计划开设一个新的机器学习实验室名为“ML Solutions Lab”,将让专家与客户一起共同致力于构建新的基于人工智能的技术。此外,Amazon还表示,将会向Amazon Rekognition添加新的功能,一个基于深度学习的图像识别平台,包括实时人脸识别以及识别图像中的文字。
这些公告突出了Amazon对人工智能的重视,这可以让AWS和Amazon的零售业务受益。近几个月来,Amazon已经在该领域发布了一系列公告。例如,Amazon在10月曾表示,将会与微软公司合作开发一个名为Gluon的深度学习接口,这是一个用于培训人工智能模型的框架。
Amazon决定开设ML Solutions Lab也是很重要的,因为此举标志着更大力度地推进到业务咨询领域,这是向最大型的企业用户提供更多IT服务时候所需要的。
Amazon人工智能副总裁Swami Sivasubramanian表示:“我们不能等着开发者通过Amazon ML Solutions Lab开始他们采用机器学习的旅程。Amazon ML Solutions Lab把最优秀的机器学习科学家所具备的专业知识与Amazon内部对客户有着深度业务理解的实践者相结合,帮助客户加速机器学习,开始把机器学习融入他们企业组织内的工作中。 ”
Amazon表示,目前包括华盛顿邮报、杨森制药公司和世界银行集团在内的多加客户已经在与Amazon ML Solutions Lab合作了。
至于Rekognition,这个新的升级项展示了Amazon如何快速将人工智能用于打造可以售卖给客户、基于人工智能的新产品。
对平台具体的更新包括:检测和识别图像中的文本、对数百万人脸的实时面部识别、以及在照片中检测多达100张人脸。Amazon还表示,Rekognition在面部识别方面的准确度提升了10%。
Rekognition平台的客户包括知名的基于图像的社交网络平台Pinterest。
Pinterest首席技术官Vanja Josifovski表示:“作为一个以视觉为驱动的平台,Pinterest很大程度上依赖于图像的速度和质量,但是这些图像背后的文字同样重要,因为这些问题提供了上下文并让2亿多活跃用户能够对图像进行操作。通过使用Amazon Rekognition Text in Image,我们可以更好地、大规模地提取图像中丰富的文本内容,在Amazon S3中保存的数百万Pins都可实现较低的延迟。”
好文章,需要你的鼓励
当前软件工程团队正在试验基于AI代理的编码工具和大语言模型,以提高开发速度和质量。然而,AI编码工具的效果很大程度上取决于使用方式。开发者需要提供结构化的问题描述、明确的执行要求和相关上下文,同时建立适当的防护机制。AI不仅能处理重复性任务,还能识别和评估替代方案,从被动助手演进为工作流程推进器。成功的关键在于将AI视为合作伙伴而非快捷工具,并将其整合到软件交付的全生命周期中。
NVIDIA研究团队开发出名为Lyra的AI系统,能够仅凭单张照片生成完整3D场景,用户可自由切换观察角度。该技术采用创新的"自蒸馏"学习方法,让视频生成模型指导3D重建模块工作。系统还支持动态4D场景生成,在多项测试中表现优异。这项技术将大大降低3D内容创作门槛,为游戏开发、电影制作、VR/AR应用等领域带来重大突破。
Salesforce发布企业级AI智能体平台Agentforce 360,将AI智能体融入几乎所有应用中。该平台采用混合推理引擎Atlas,结合大语言模型的概率思维和业务规则的精确性,支持语音交互和深度集成。以Slack为主要界面,提供Agentforce Builder开发环境,能将非结构化文档转换为可查询记录。Salesforce内部已部署该系统,每周处理180万次对话,主动服务活动增长40%。
谷歌DeepMind团队创新性地让Gemini 2.5模型在无需训练的情况下学会理解卫星多光谱图像。他们将复杂的12波段卫星数据转换为6张可理解的伪彩色图像,配以详细文字说明,使通用AI模型能够准确分析遥感数据。在多个基准测试中超越现有模型,为遥感领域AI应用开辟了全新道路。