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
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。