至顶网软件与服务频道消息: 12月5日,以数据「智」上为主题的多模态数据智能峰会在北京举行,以多模态数据智能为核心战略的爱数AISHU品牌新征程,在500多位现场嘉宾的共同见证下,正式启航。现场,爱数成功展示了从图像到文本的跨模态场景应用,迈出了从单模态数据分析到多模态数据智能的第一步。
爱数AISHU新品牌启动仪式
爱数不同成长阶段的见证者、爱数最紧密的全球化伙伴、爱数品牌内在价值观践行者等与爱数共同启动了AISHU品牌新征程
‘让技术驱动社会进步’一直是爱数的技术梦想。作为一家来自中国的科技公司,在AISHU的品牌新征途上,爱数将以多模态数据智能来承载这个技术梦想,驶向全球化的市场。
——爱数总裁贺鸿富在峰会上如是说
爱数总裁贺鸿富发表演讲
对于承载爱数技术梦想的多模态数据智能,德国汉堡科学院院士张建伟在此次峰会上发表了《多模态机器智能全球趋势展望》,他表示:当下,人工智能等技术已然成为了新一轮经济社会变革的核心驱动力。而未来AI的呈现形式将是多模态感知输出。
德国汉堡科学院院士张建伟发表演讲
多模态数据智能是人类智能的映射,计算机通过多模态数据获取并分析信息,正如人类通过五感来感知世界。而海量数据源自各种模态的海量数据汇聚到数据湖,这些数据是智能时代的能源。
爱数推出全新的多模态数据智能架构:数据湖架构、数据总线架构、多模态数据知识图谱架构。爱数采用数据总线架构实现数据汇集于应用的集成,采用数据湖架构实现数据的存储,采用多模态数据知识图谱架构将所有的数据都串联起来形成洞察。
同时,爱数通过4大产品组合:AnyBackup灾备云、AnyShare智能内容云、AnyRobot日志云、AnyDATA洞察云——打造出多模态数据智能的大数据基础设施。
会上,爱数运用 AnyShare Family 7 智能内容云进行了多模态数据智能的演示。AnyShare Family 7 成功进行了从图像到文本的模态转换,识别并分析出图像信息并将其转化为文本信息,让AnyShare中的图片自动生成摘要和标签。这让图像检索的过程中,只要输入文字就可以轻松搜索出相关图片,实现精准快速的以文搜图。
爱数以文搜图现场演示
多模态数据智能将怎样应用并产生价值?
多模态数据智能可以通过加强各种信息的联系,真正地将多模态信息连接起来,形成知识,从而建立起知识图谱。企业可以利用知识图谱,应用于销售线索推荐、客户画像、购买行为预测等各个工作场景。知识图谱也能帮助城市建立知识大脑,可以用来进行人口承载力分析、公共设施分析等。
近年来,华为与爱数有着非常紧密的合作。华为鲲鹏生态将助力爱数多模态数据智能。爱数三大产品线的鲲鹏一体机,作为华为与爱数联合创新的成果,成为了鲲鹏生态下的合作样板。
今年,爱数与中新天津生态城达成了战略合作关系,爱数将用多模态知识图谱为生态城构造城市知识图谱,提升生态城的智慧化水平。
爱数经九年蓄力,正式发布AnyShare Family 7 :智能内容云,这是数字化时代的生产力平台,开启爱数多模态数据智能架构的探索之路。
AnyShare Family 7 承载企业和组织的内容战略,通过先进的内容总线架构、内容数据湖架构、云原生架构、人工智能技术,助力全球化运营、服务多样性的企业文化、打造学习型组织、管理和运营数字资产。
今天,创新技术的实践,生态合作与未来探索,成功印证了爱数在多模态数据智能上的无限可能性。爱数在实现技术梦想的路上已经跨出了至关重要的一步,正式踏上品牌新征途。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。