伙伴们,还记得大明湖畔的六问六答第1趴吗——我们带您解锁了IBM Cognos Analytics 11.1的“前世今生”!今天,六问六答第2趴如约登场,续写精彩,聚焦时下最热的AI话题!一起来看Cognos Analytics 11.1与AI碰撞出的奇妙火花!
Q: Cognos Analytics 11.1中引入了AI能力,是增强型商业智能与分析平台。请问IBM将AI能力引入BI中的初衷是什么?这样做对于企业用户来说有什么具体好处吗?
A: 正与Gartner预测,整合AI能力的增强型商业智能与分析将是BI在可视化之后的新一波热点。IBM之所以在新发布的Cognos Analytics 11.1中引入AI能力,主要从以下几点考虑:
1. 数据预处理和准备几乎占用了BI应用开发90%的时间,AI技术的引入将会提供更多的自动数据准备技术,减少数据准备时间
2. 企业中拥有基础分析技能的业务人员同样需要利用各种分析手段 (包括高级分析 /机器学习 )获取业务洞察力
3. 提高产品易用性,降低产品的入门门槛,让企业中更多的业务人员参与到BI分析中来,提高BI在企业中的接受度
4. 减少固有的偏见,提高数据决策的有效性
Q: 能不能为我们列举一下Cognos Analytics 11.1中与AI能力有关的功能具体有哪些?
A: Cognos Analytics 11.1在底层增加了两个与AI有关的服务——智能化服务和预测性服务。具体体现在产品的功能上包括——基于自然语言的AI会话分析助手、基于AI的自动生成自然语言分析洞察、高级预测性分析、基于AI的可视化推荐以及自动数据整理与准备等。
Q:Cognos Analytics 11.1中引入了AI能力,提供了高级预测分析能力,这与IBM其他机器学习产品如SPSS、Watson Studio Local之间有什么不同?功能上会不会有重合?
A:Cognos Analytics 11.1中的高级分析能力是面向业务分析人员的,主要让业务人员通过简单的数据探索,发现数据背后的模式和洞察,这让不具备专业技能的业务人员同样可以利用高级分析技术获取业务洞察力。而SPSS/Watson Studio等则是面向专业的数据科学家的工具。
Q: 最新发布的Cognos Analytics 11.1中有智能会话分析助手和自然语言生成的分析洞察,请问这些新鲜出炉的功能支持中文吗?
A: 在发布的第一个版本,也就是Cognos 11.1.1中自然语言生成的分析洞察是支持中文的,智能会话分析助手暂时不支持中文,但实验室正在做中文的支持,相信很快大家就能看到对中文的支持。
Q:听说IBM将智能数据探索组件Watson Analytics产品集成到Cognos中,请问产品之间的整合情况如何?
A:Cognos Analytics 11.1中确实将Watson Analytics版本中的功能整合进来了,但这不是一般意义的整合,而是在代码层面重新开发的新功能,与Cognos Analytics是完全融合在一起的,是新版本中的一个组件,其主要用途是满足业务人员数据探索分析的需求。
Q: IBM对于在Cognos Analytics中AI应用的产品发展路线是如何规划的?
A: Cognos Analytics中的AI应用会是长久而持续的过程,AI的应用基本上会围绕两个方向:
1、 通过AI技术让产品变得更为智能,对于自然语言的理解会不断提升,未来我们可以通过更为开放的语言与系统进行交互,并获得更为准确的分析结果,同时借助AI能力,产品的易用性会进一步提升
2、 进一步增强高级分析技术,会有更多的算法集成进来,同时增强可视化能力,使产品更具洞察力
在移动应用上也会有进一步提升,Cognos Analytics正在研发的新一代移动BI应用中同样也将集成AI技术。
以上,六问六答第2趴详细解答了AI在Cognos Analytics 11.1中的“神仙操作”。无AI不先潮,希望更智能的Cognos Analytics 11.1戳中了你的心思!
敬请期待IBM Cognos Analytics六问六答第3趴,最终回我们将带您看Cognos Analytics 11.1如何助力捕捉业务洞察!
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。