至顶网软件频道消息:IBM日前宣布推出预包装Watson工具,该工具适用于各种行业用例(如农业、客户服务、人力资源、制造和营销 )。
此举凸显了人工智能和[机器学习技术提供商正在试图提供更容易实施的选项,令那些没有数据科学家团队的企业也能用上人工智能和机器学习技术。
每个Watson包所处的发布状态各不相同,但这些包都采用了IBM积累的最佳实践和训练知识。IBM表示,Watson农业决策平台已进入面向普通用户推出的阶段。 IBM之前将旗下的天气数据以及农业和图像的物联网端点整合在一起,目的是提供“农场预测视图”。而农户则可以利用相应的应用程序在做实时决策时得到支持。
IBM为一些行业和功能预先训练了Watson包。以下是其他领域里一些包的概述。
l IBM发布了一个客户服务Watson包。该Watson包之前曾在Deluxe Corp公司试点运行过。Watson客户服务应用程序旨在无需经过大量训练就可以实时向服务代理提供有关来电者的相关信息。
l Watson人力资源工具包可以分析来自不同背景、表现最佳的员工的背景,并能以找出申请人之间的类似特征为目的。
l IBM的Watson营销助理可将指标转换为可用于个性化广告系列的可操作信息。而在广告方面,Watson已开始利用用天气数据来定制广告。
l Watson Supply Chain Insights已面向普通用户推出,该Watson工具包旨在结合天气数据、交通报告和监管变化令企业更好地了解供应链。
l 基于Watson和IoT分析的工具被整合到工业设备制造中,重点放在产品检测、生产力、技能差距和材料成本以及停机和缺陷等方面。
l IBM IoT building Insights可根据商业地产数据达到降低能源成本及针对入住率趋势做出平衡。
l Watson还可以针对汽车制造业进行量身定制,并可以重点关注规格、要求及提出改善质量的建议。
以下是Watson针对农业量身定制打造的工具的一些截图。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。