美国国防部官员近日表示,将推迟公布JEDI中标者,要等待新国防部长Mark Esper完成该项目的审查。国防部首席信息官Dana Deasy表示,该评估预计需要数周时间。
Deasy没有提供具体的时间框架,但他告诉记者,中标者的名字可能不会在月底之前宣布。6月下旬时国防部官员曾预计JEDI招标程序将在8月底结束。
Deasy表示,“我们必须做好这件事,因此我们不急于做出决定。我们花费的时间由评估团队所需花费的时间定,目的是确保我们以合适的价格、合适的标准选择最佳技术解决方案。”
JEDI计划是联合企业防御基础架构计划的英文缩写,五角大楼在未来10年内将因为JEDI计划在云服务上花费高达100亿美元。 计划的合同规范要求将整个交易交给单个提供商。目前只剩下两个竞标者:亚马逊网络服务公司(AWS)和微软公司,两家公司分别是基础架构即服务市场里第一大和第二大参与者。
而AWS中标的呼声最高,业界普遍预计AWS将拿下这笔交易。Deasy在接受记者采访时表示,合同中规定了单个供应商,目前仍然没有计划将合同分成几个。五角大楼官员还在新闻发布会上分发了JEDI项目情况说明书和要求指南,试图消除坊间对JEDI的传言和错误信息。
国防部长Esper几天前曾暂停JEDI招标以对项目细节进行评估,随后则宣布延迟宣布招标结果。唐纳德·特朗普总统在这之前曾表示,作为对AWS竞争对手投诉的回应,他决定要看看合同。业界人士认为云计算巨头AWS是赢得这项有利可图交易的最佳选择,但亦有人指责AWS在竞标过程中拥有不公平的优势。
甲骨文公司去年提起诉讼,指控美国国防部存在利益冲突,偏袒了AWS,但法院在调查后未发现存在组织偏见的证据,今年7月驳回此案。
甲骨文的投诉可能会导致JEDI的进一步复杂化。在法院驳回诉讼之前,消息人士告诉联邦新闻网,如果诉讼被驳回,甲骨文公司可能会将案件提交到美国上诉法院。
但五角大楼可能会在此之前完成JEDI招标。据华尔街日报报道,国防部长Esper对合同的审查与最终中标者的选择是“分开”进行的,华尔街日报报道称五角大楼官员正在推进该过程的技术层面。
这可能表明官员们对敲定中标者的时间框架持乐观态度。该计划的竞标在12个月前启动,这也反映了一定的紧迫感。 五角大楼联合人工智能中心负责人、空军中将John Shanahan近日在新闻发布会上说到有关JEDI的延误时称,“我们不想浪费任何时间.......我们知道我们的潜在对手正在以他们自己的速度进行。“
官员还称人工智能是快速解决问题的关键驱动因素。担任美国国防部人工智能负责人的Jack Shanahan中将表示,若无企业云计算,“就没有大规模的人工智能”,而人工智能对作战至关重要。
Shanahan表示,若无大规模人工智能,“人工智能就只会停留在一系列小规模的独立项目上,没有办法令人工智能有用处或对战士有用处。”他还表示,“JEDI可以提供按需的规模弹性计算、规模数据、实质性网络和传输优势、DevOps和安全的运营环境。”
但Shanahan也表示不仅仅事关人工智能。他说,“还涉及到联合全域作战、利用新兴技术为一类战争开发新的作战概念,这一类的战争与我们过去20年所经历的是完全不同的。”
五角大楼之所以决定将JEDI交给单一提供商而非多家公司的主要原因之一,是需要快速推出系统。 尽管如此,合同方面则仍然存在争议。JEDI赢家的通吃做法遭到甲骨文、AWS竞争对手IBM公司,甚至国会议员的抨击,尽管这些议员不在管军事交易的关键参议院军事委员会当中。
好文章,需要你的鼓励
OpenAI于周二发布AI浏览器ChatGPT Atlas,目标是让ChatGPT成为搜索和问答的首选界面而非谷歌。该浏览器目前仅支持Mac,但正在开发Windows、iOS和Android版本。Atlas将ChatGPT设为默认搜索选项,并具备记忆功能,可结合浏览历史提供个性化答案。与其他AI浏览器不同,Atlas更专注于强化ChatGPT生态系统,为OpenAI提供更多用户数据和分发控制权,而非改善传统浏览体验。
这项由伊利诺伊大学厦巴纳-香槟分校和滑铁卢大学联合完成的研究,开发了名为VideoScore2的AI视频评估系统,能够像人类专家一样从视觉质量、文本对齐和物理一致性三个维度对AI生成视频进行详细评估,并提供透明的分析过程。该系统在多项测试中显著超越现有评估工具,在准确率上提升近6个百分点,为AI视频行业提供了标准化、可解释的质量评估解决方案,有望推动整个领域的技术进步。
通用汽车宣布计划于2028年推出自动驾驶系统,允许驾驶员双眼离开道路、双手离开方向盘,首先应用于凯迪拉克Escalade IQ。该系统基于现有Super Cruise技术,采用激光雷达、雷达和摄像头感知技术,初期在高速公路使用。通用整合了已关闭的Cruise子公司的技术栈,包括基于500万英里无人驾驶数据训练的AI模型。目前美国仅奔驰拥有商用L3级自动驾驶系统。
滑铁卢大学研究团队提出批评强化学习新方法,让AI模型在学习编程的同时学会批评代码质量。CRITIQUE-CODER模型采用8:2混合训练,不仅保持编程能力还获得代码评价能力。实验显示,该方法让小参数模型超越大模型,4B参数版本在LiveCodeBench达59分,超越基础模型4.8分。更重要的是,批评能力可迁移到逻辑推理等其他领域,为AI训练范式转变指明新方向。