至顶网软件与服务频道消息: 谷歌今天宣布将把用于训练机器学习算法的Cloud AutoML服务引入数据科学家在线社区Kaggle。
Cloud AutoML是基于云的工具包,提供用于训练人工智能模型的拖拽界面。用户使用该软件可以创建自定义的机器学习模型,而无需对该主题有任何特定的技术知识。
Kaggle在线社区为数据科学家和其他机器学习爱好者提供了一个探索、分析和共享他们工作成果的空间。谷歌于2017年收购了Kaggle平台,该社区最近成员规模突破了350万这一里程碑。
谷歌表示,它正在通过将Cloud AutoML与Kaggle集成实现自己的使命,即“通过为他们提供引领该领域所需的技能和工具,使我们的数据科学家社区变得更加强大”。
Cloud AutoML允许用户从软件开发工具包或者基于Web的用户界面中提取数据,设置参数,然后基于这些数据训练模型,并将其部署在谷歌的云基础设施中。这项集成将使Kaggle用户能够利用Jupyter Notebook中的Cloud AutoML SDK,Jupyter Notebook是一个开源应用,数据科学家可以用来创建和共享包含实时代码、等式、可视化和叙述性文档。
Kaggle产品经理Devvret Rishi在博客中表示:“今天的发布重点是让我们的社区能够在Kaggle Notebooks中直接使用这个SDK。”
Cloud AutoML是一项付费服务,不过为初学者提供了免费套餐。谷歌全年向用户提供Google Cloud Platform积分,以补贴搭配Kaggle一起使用AutoML的成本。
宣布此消息之前,Kaggle与谷歌的BigQuery数据仓库服务进行了类似的集成。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。