苹果公司和IBM推出了一系列新的集成化产品,旨在扩展双方现有的协议,把更多企业应用带入iOS设备中。
首先,苹果和IBM把各自的人工智能和机器学习技术连接起来,让企业级iOS应用变得更加智能化。双方还提供了一个新的开发者控制台,让Swift开发者可以利用IBM Cloud构建易于编码的应用。
在人工智能方面,IBM的Watson AI系统将与苹果的Core ML相结合,打造一款名为IBM Watson Services for Core ML的新产品。
该框架旨在帮助开发者创建能够从用户活动中学习、通过每次互动变得越来越聪明的企业应用。IBM Watson作为一组基于云的服务提供给客户,而Core ML则将机器学习带入苹果设备上的应用。
IBM表示,Watson Visual Recognition Service是一种基于数千个图像构建的视觉识别模型,也是这次集成推出的第一款可用模型,现在该模型可以导出到Core ML并在苹果设备上运行。最重要的是,开发者可以将经过训练的Core ML模型部署到iOS应用中,而无需任何代码或调用服务器。
至于开发者控制台,IBM表示这个控制台将为所有体验级别的开发者提供增强的分步指导,同时集成针对Swift优化的人工智能、数据和移动服务。
IBM首席执行官Ginny Rometty在拉斯维加斯举行的IBM Think大会主题演讲中表示:“这是一次巨大的整合,也是唯一一次。”
两家公司表示,可口可乐公司是第一家测试这个先进机器学习服务的企业,他们正在研究如何利用IBM Watson Service将人工智能应用于现场工作人员的原型,包括使用视觉识别、认知诊断和增强修复。
对于苹果而言,这次扩大与IBM的合作伙伴关系,与其致力于通过定制云应用让苹果设备吸引更多企业客户的目标是一致的。苹果和其他设备制造商面对智能手机和平板电脑的消费需求萎缩,也使得推动这些举措变得更加紧迫。
苹果公司产品营销副总裁Brian Croll表示:“我们的目标是帮助企业重新设计他们的工作方式。”
“Core ML让开发者可以轻松地将机器学习带入他们的应用,而无需成为这方面的专家。Core ML在本地运行模型,速度超快,同时可以保护隐私,因为敏感信息都保存在设备上。我们相信Core ML和Watson Services的结合,将有助于推动下一代智能企业应用的发展。”Croll这样说到。
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。