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
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。