随着公有云提供商们争相成为客户人工智能项目的首选,IBM也决定将自己的Watson技术从自己的防火墙后端带向前端。
今天在旧金山举行的IBM Think 2019大会上,IBM宣布Watson现在可作为一项运行在任何云以及客户数据中心内部的便携式技术提供给客户。
IBM数据和人工智能业务总经理Rob Thomas表示:“数据如此分散,如果你必须通过移动数据来运行每个分析项目的话,那就太浪费了。我们的观点是要将AI带到数据所在的任何位置。”
Watson将不会原生运行在AWS和微软Azure等平台上。相反,客户需要在目标环境和Watson上安装IBM Cloud Private for Data容器管理平台。只要客户持有Watson许可,就可以将实例移动到他们喜欢的任何云端。
IBM Cloud Private for Data是IBM多云战略的一个组成部分,该战略的核心是为客户提供选择云平台的透明性。这是管理容器的单一环境,容器则是包含应用运行所需的所有元素的虚拟机。Cloud Private for Data将Kubernetes容器编排管理器与私有映像注册表、管理控制台和监视框架结合到一起。
克服复杂性
虽然目前有80%的企业使用或计划采用多云环境,但管理和保护数据的复杂性往往会随着他们使用云的数量而呈现几何增加趋势。与许多未能达到公有云巨头量级的企业一样,IBM采用了另一种策略,即通过将数据保留在原有位置,而不是强制进行大量数据传输,使客户更容易来回切换工作负载。现在IBM仍然持续销售它自己的公有云服务。
借助这种新的便携特性,客户可以在任何云和本地运行Watson服务,包括Watson Studio开发环境、Watson Assistant虚拟助手、Watson OpenScale AI管理框架。IBM表示,便携性是通过一系列为IBM Cloud Private for Data构建的新微服务实现的,这些微服务可以在云环境中移动和扩展。这些微服务通过Kubernetes可以在任何公有云、混合云或者多云环境中运行。
防止锁定
尽管客户必须留在Watson框架,但IBM仍将此举定位为可以帮助可以防止锁定。作为商业AI产品市场的早期进入者,IBM为Watson开发了很多自有技术,这种策略因限制客户的选择而受到批评。
一年前研究公司Wikibon评论说,像IBM Watson这样的大型集成项目“会发现随着他们的最佳AI工具在开源社区中迅速复制而逐渐被淘汰”。
但Thomas表示,Watson支持各种开源工具。“在Watson内部的工作中有85%是基于开源的,例如Python、R和Tensorflow。我们不支持所有10000种开源工具,但我们支持任何主流的技术。”
最初Watson是一个专注于自然语言理解和信息检索的问答引擎,但IBM已经逐步将Watson扩展到更主流的机器学习应用中,并将其定位为开发平台而非黑盒解决方案。
此外,IBM今天还宣布推出了业务流程管理套件的增强功能,将智能建议融入到现有流程自动化中。Thomas用保险承保流程举例说,该流程可以通过结合机器学习算法提高效率,算法会建议改进工作流程,而不是简单的自动化。
他说:“改善的最大障碍之一是因为漏报没有得到理赔公司的通过。当你将大量数据输入该流程的时候,你就可以更加主动地了解审批的内容。”
Watson集成将在今年晚些时候推出,IBM没有提供进一步的细节。
好文章,需要你的鼓励
文章详细介绍了Character.AI这款主要面向娱乐、角色扮演和互动叙事的AI聊天工具的原理、用户群体、特色功能以及面临的法律与伦理争议,同时揭示了其新推出的视频和游戏互动体验。
上海人工智能实验室研究团队开发了MMSI-Bench,这是首个专注于多图像空间智能评估的全面基准。研究人员花费300多小时,从12万张图像中精心构建了1000道问题,涵盖了位置关系、属性和运动等多种空间推理任务。评测结果显示,即使最先进的AI模型也仅达到41%的准确率,远低于人类的97%,揭示了AI空间认知能力的重大缺陷。研究还识别了四类主要错误:物体识别错误、场景重建错误、情境转换错误和空间逻辑错误,为未来改进提供了明确方向。
思科报告指出,自主型人工智能未来三年内有望承担高达68%的客户服务任务,通过个性化与前瞻性支持提升效率与节省成本,但用户仍重视人与人之间的互动和健全的治理机制。
卡内基梅隆大学研究团队开发了ViGoRL系统,通过视觉定位强化学习显著提升AI的视觉推理能力。该方法让模型将每个推理步骤明确锚定到图像的特定坐标,模拟人类注视点转移的认知过程。与传统方法相比,ViGoRL在SAT-2、BLINK等多项视觉理解基准上取得显著提升,并能动态放大关注区域进行细节分析。这种定位推理不仅提高了准确性,还增强了模型解释性,为更透明的AI视觉系统铺平道路。