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
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。