至顶网软件频道消息:最近,微软Azure首席技术官Mark Russinovich表示,人工智能(AI)和机器学习(ML)的兴起源于开源人工智能和机器学习软件。Core ML、Google TensorFlow和ONNX等开源程序正在推动着人工智能和机器学习的发展。现在,Linux基金会在洛杉矶举行的开放网络峰会上宣布成立一个新组织:LF深度学习基金会(LF Deep Learning Foundation),以进一步推动开源人工智能和机器学习。
此外,Linux基金会还宣布了Acumos AI项目,这是一个平台和开源框架,可以轻松构建、共享和部署人工智能应用。
Acumos是通过对开箱即用的通用人工智能环境所需的基础架构堆栈和组件实施标准化来实现这一点。具体来说,Acumos包装了TensorFlow和SciKit Learn等工具包,并使用通 API对其进行建模,从而使开发人员能够无缝连接这些工具。这让数据科学家和模型训练人员可以将精力集中在核心能力上,而不必担心底层人工智能/机器学习基础。
该项目致力于通过轻松创建、分享、发现和应用机器学习、深度学习和分析模型,让所余人都能拥有人工智能的力量。据AT&T称:“我们开源Acumos平台的目标,是使构建和部署人工智能应用与创建一个网站一样简单。”Linux基金会将负责Acumos AI平台和Acumos Marketplace,以支持该项目的生态系统。
AT&T和Tech Mahindra正在验证Acumos的初始代码。第一批Acumos代码已经为下载做好了准备。
展望未来,百度预计将贡献人工智能/机器学习代码,以充分利用Kubernetes的弹性调度以及开源PaddlePaddle的容错功能。此外,由腾讯和北京大学针对大数据/模型联合开发的高性能分布式ML平台“Angel”项目也被纳入Acumos。
“我们很高兴能够提供深度学习的基础,为人工智能、机器学习和深度学习生态系统中的大量项目提供长期战略和支持,”Linux基金会执行主任Jim Zemlin在一份声明中表示。
该组织的创始成员包括Amdocs、AT&T、B.Yond、百度、华为、诺基亚、Tech Mahindra、腾讯、Univa和中兴。借助该组织,成员们将创造一个中立空间,其中工具和基础架构的制造商和维护人员可以共同协作,进一步加速开源、深度学习技术的采用。
如果可行的话,这将使人工智能开发人员更容易获得人工智能/机器学习,而不需要他们完成开源软件的实质工作。从某种程度上来说,这就像DevOps让开发人员能够专注于他们自己的项目,而DevOps工具使他们能够快速轻松地启动项目所需的基础架构。
好文章,需要你的鼓励
随着IT成为企业运营的核心支撑,IT服务台的重要性日益凸显。现代ITSM平台已从简单的帮助台发展为复杂的管理系统,集成了工单跟踪、资产管理、性能监控等功能。这些平台的核心是工单门户,确保请求得到及时处理。许多产品强调自助服务功能和AI集成,通过智能路由、预测分析和生成式AI来提高问题解决效率。本文详细介绍了21款主流ITSM工具,帮助企业选择适合的解决方案。
韩国AI研究院团队深入研究了大型语言模型的置信度评估机制,发现AI有时会对错误答案表现出过度自信的"幻觉"现象。研究揭示了AI内部"置信度计算器"的系统性偏差,提出了"内部一致性检测"方法来识别AI的真实确信程度,为开发更可靠的AI系统提供了重要科学基础。
思科与英伟达、VAST Data合作推出安全AI工厂,整合服务器、GPU和存储设备为企业提供一体化AI基础设施。该方案采用融合基础设施形式,以AI POD作为核心组件,搭载英伟达RTX PRO 6000 Blackwell GPU和思科UCS服务器。存储方面支持NetApp、Pure Storage或VAST Data产品。VAST声称其InsightEngine能够加速RAG管道,将响应延迟从分钟级降至秒级,支持企业级智能体AI应用。
苹果公司研究团队通过创新的GSM-Symbolic测试方法,发现当前先进AI系统在数学推理方面存在严重缺陷。研究表明,AI虽然在标准测试中表现优异,但面对表述稍有变化的同类问题时准确率显著下降,暴露出其缺乏真正的逻辑理解能力,主要依赖模式匹配而非推理。这项发现为AI评估提供了新标准,并为未来开发更可靠的AI推理系统指明了方向。