至顶网软件与服务频道消息: 对于企业而言,采用人工智能不仅仅涉及开发工具和算法。企业要部署人工智能,就必须首先培训工程师们如何使用人工智能技术,而今天AWS在re:Invent年度大会上首次发布的ML Embark,将致力于简化这项任务。
ML Embark是由AWS机器学习专家提供的一项员工培训服务。AWS机器学习解决方案实验室负责人Michelle Lee在博客中写道,该产品借鉴了母公司Amazon.com在组建内部人工智能团队时积累的经验教训。
其中之一,就是需要为那些接受新技术培训的员工提供明确的项目目标。ML Embark培训计划的开始是一项练习,要求参加该培训的企业技术和非技术人员展开协作,共同确定他们可以通过机器学习解决的业务问题。
从这一点开始,AWS提供了一系列现场培训课程,为员工提供实施想法所需的技能,采用了“以亚马逊机器学习大学为模型的课程,该课程在过去几年中不断改进,帮助亚马逊自己的开发人员精通于机器学习,”Lee这样写道。去年,亚马逊成立了机器学习大学(Machine Learning University),最初有30多种可选课程。
ML Embark计划中包含了一些任务,这些任务旨在为员工提供操练AI新技能的机会,例如有一个概念验证开发项目,参与者可以在该项目中开发机器学习应用,以及DeepRacer冠军赛。DeepRacer是一款自动驾驶汽车,可以帮助开发人员学习强化学习(一种新兴的机器学习技术)。
ML Embark利用DeepRacer冠军赛为契机,把人工智能推广到接受直接培训的员工之外的其他组织成员。Lee写道,该活动有助于“让更多员工通过友好竞争和亲身体验了解机器学习。”
ML Embark可能被证明是AWS专业服务产品组合的一个高附加值。AWS可以将ML Embark捆绑销售给那些采用AWS基于云的AI服务的新客户,也可以推销给那些希望增加精通神经网络开发的内部工程师数量的现有客户。
AWS的竞争对手也针对那些对机器学习感兴趣的开发者提供了类似的培训资源。微软推出了一个名为“Microsoft AI Scholl”计划,谷歌则提供了在线AI课程和其他学习工具。
好文章,需要你的鼓励
Atlassian、Intuit和AWS三大企业巨头正在为智能代理时代做准备,重新思考软件构建方式。当前企业API为人类使用而设计,未来API将成为多模型原生接口。Intuit在QuickBooks中应用自动发票生成,使企业平均提前5天收款;AWS通过AI辅助迁移服务显著提升效率;Atlassian推出内部员工入职代理和客户代理,节省大量时间成本。专家强调需要建立强大的数据架构和信任机制。
这项研究首次系统评估了AI代码智能体在科学研究扩展方面的能力。研究团队设计了包含12个真实研究任务的REXBENCH基准,测试了九个先进AI智能体的表现。结果显示,即使最优秀的智能体成功率也仅为25%,远低于实用化要求,揭示了当前AI在处理复杂科学推理任务时的显著局限性。
MIT研究发现,使用生成式AI完成任务时,大脑运作方式与单纯依靠自身思考存在显著差异。研究显示,使用ChatGPT等工具的用户记忆力更差,神经连接活动减少,对所写内容的回忆能力明显下降。虽然AI工具能提高效率,但可能导致用户缺乏对知识的深度理解和掌控感。研究强调需要更多科学数据来了解AI使用对人类认知的长期影响。
俄罗斯莫斯科国立大学研究团队开发出MEMFOF光流估计新方法,在保持顶尖精度的同时将1080p视频分析的GPU内存消耗从8GB降至2GB,实现约4倍内存节省。该方法通过三帧策略、相关性体积优化和高分辨率训练在多个国际基准测试中取得第一名成绩,为高清视频分析技术的普及奠定基础。