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
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。