智慧的未来已经到来
20世纪50年代后期,具有开创精神的IBM研究员Arthur Samuel训练出了世界上第一台自主学习玩西洋跳棋的计算机,从那时起,人们一直热切期盼着一场人工智能革命的到来。
但直到过去几年,那些很早前就有的技术才开始成熟、有效且(由于各种新产品)随时可以进入渠道。
人工智能和机器学习正在风靡整个行业,再加上云正在快速推动那些制定决策、自动化业务流程、提供预测和见解、从经验中学习的解决方案。
下一代初创公司正走在这场革命的最前沿,他们提供基础设施、开发框架和智能应用程,让企业能够以前所未有的方式利用他们的数据。
Anaconda
CEO:斯科特科里森
这家位于美国德克萨斯州奥斯汀的人工智能初创公司(以前名为Continuum Analytics)提供了一种开发环境,让数据科学家能够将机器学习算法快速部署到与企业IT系统集成的生产环境中。
Anaconda实现了一种交互式笔记本概念,可以连接到其他技术和库。该平台为那些希望在机器学习项目中持续协作的Python开发人员提供了一个中央访问点。
该平台面向专业数据科学家,并围绕其产品培养出了一个庞大且活跃的社区。
Anaconda Enterprise是Anaconda公司的旗舰商业产品,可以管理和自动化从笔记本电脑到大规模生产环境的AI管道。
Clari
CEO:Andy Byrne
Clari的创始人曾经从事利用机器学习方面解决复杂问题,并且在这个领域赢得了口碑。
这家位于美国加利福尼亚州桑尼维尔的初创公司将人工智能纳入销售流程,这一层位于Salesforce和微软Dynamics之上,为销售代表提供预测性和规范性的洞察力。
Clari分析最近两年的销售数据,然后整合更多来自Office 365、Gmail Exchange、文件共享服务和日历中的数据。该平台可以对比交易、查看销售历史、找出风险,建议采取哪些措施,帮助销售代表提高工作效率并更快地完成交易。
Clari计划未来这项技术将不仅仅用于销售支持方面。
CognitiveScale
CEO:Akshay Sabhikhi
CognitiveScale总部位于美国德克萨斯州奥斯汀,旨在帮助客户解读大数据并在其组织上下(从前端办公室到关键任务核心功能)实施机器学习。
这家得到英特尔支持的初创公司,其分析解决方案适用于特定行业。有一个认知计算层为分析提供机器学习功能,更好地处理那些未收集和未分析的所谓“暗数据”。
该平台会提取结构化和非结构化数据为消费者和管理人员提供洞察力,并可以扩展覆盖IBM、Amazon和微软云基础设施。
DataRobot
CEO:Jeremy Achin
DataRobot利用人工智能帮助数据科学家更快速地构建和部署预测分析模型,从而缓解企业因数据专业人员稀缺而面临的挑战。
这家位于美国波士顿的初创公司的机器学习引擎会获取数据科学家的知识、经验和最佳实践。DataRobot的平台通过搜索数百万种可能的算法组合、预处理步骤、特征、转换和调整参数来训练和评估模型,以提供最适合客户数据集和预测目标的模型。
这些预测模型可以部署在云中或本地部署环境中。
Element AI
CEO:Jean-FrançoisGagné
Element AI与企业组织合作构建融合了人工智能的定制应用。
这家位于蒙特利尔的初创公司,将尖端的人工智能研究转化为商业产品,让企业能够快速部署智能应用,而无需成立内部的AI团队。
Element AI已经得到了英特尔的投资,希望通过与客户愿景和组织要求一致的协调流程实现人工智能的普及。
Gong.io
CEO:Amit Bendov
位于美国加利福尼亚州圣马特奥的人工智能初创公司Gong.io从2016年开始销售基于SaaS的会话智能平台,显著改变销售代理的工作方式。
该技术会自动记录销售电话和视频会议,进行转录,然后使用人工智能分析每次会话中的数百个数据参数。
思科参与了Gong.io公司的最新一轮融资,以推动智能系统的发展。
H2O.ai
CEO:SriSatish Ambati
这家位于美国加利福尼亚州山景城的初创公司提供了一个通过混合云支持和其他开源技术集成来构建智能应用的平台。
H2O.ai抽象化了许多深度学习框架如TensorFlow、MXNet和Caffe的细节,并允许数据科学家和开发人员将算法导入他们的应用中。大型企业正在使用该技术来预测欺诈、客户流失和其他重要业务指标。
H20.ai提供的Driverless AI解决方案可实现机器学习自动化,并为数据建模引入了可视化和可解释的功能。
Paperspace
CEO:Dillon Erb
Paperspace的目标是通过轻松访问基于GPU的云基础设施来快速跟踪AI的开发情况。
这家位于美国纽约布鲁克林区的初创公司专注于促进GPU的使用,用于需要计算能力的机器学习和深度学习项目中。
Paperspace成立三年时间,最初想法是GPU很快将成为云中的一个重要资源,因此它构建了一个软件层来自动配置和管理这种基础设施。
早期用例包括视觉效果、数据密集型计算、CAD和虚拟桌面。然而,随着近年来人工智能成为主流,越来越多的客户选择Paperspace来训练智能算法。
SalesDirector.ai
CEO:Babar Batla
微软和谷歌的几位销售主管和一位创业者合作,在2017年成立了SalesDirector.ai公司,目标是为企业销售团队提供人工智能能力,消除后台那些给企业销售团队带来负担的繁琐管理工作。
这个自助服务平台消除了大量数据输入并且实现了交易管道和预测的自动化。
该解决方案可识别风险交易、提醒销售遵循最佳实践、生成风险调整预测,以便客户更好地了解其业务来自何处。此外它还有一个用于评估潜在客户或客户响应的情绪引擎。
SalesDirector.ai与Salesforce、微软Dynamics和NetSuite有渠道上的合作。
Seldon
CEO:Alex Housley
Seldon提供开源和商业解决方案,让数据科学家和开发人员能够快速部署基础设施,用于托管智能工作负载。
这家英国初创公司的平台包括经过验证的算法、行业模型和微服务API,可提供实时建议和企业级预测分析。这些产品是平台无感知的,以避免锁定。
Seldon最近发布了Seldon Core,这个开源框架可用于在Kubernetes编排的集群上部署机器学习模型。
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。