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
文章详细介绍了Character.AI这款主要面向娱乐、角色扮演和互动叙事的AI聊天工具的原理、用户群体、特色功能以及面临的法律与伦理争议,同时揭示了其新推出的视频和游戏互动体验。
上海人工智能实验室研究团队开发了MMSI-Bench,这是首个专注于多图像空间智能评估的全面基准。研究人员花费300多小时,从12万张图像中精心构建了1000道问题,涵盖了位置关系、属性和运动等多种空间推理任务。评测结果显示,即使最先进的AI模型也仅达到41%的准确率,远低于人类的97%,揭示了AI空间认知能力的重大缺陷。研究还识别了四类主要错误:物体识别错误、场景重建错误、情境转换错误和空间逻辑错误,为未来改进提供了明确方向。
思科报告指出,自主型人工智能未来三年内有望承担高达68%的客户服务任务,通过个性化与前瞻性支持提升效率与节省成本,但用户仍重视人与人之间的互动和健全的治理机制。
卡内基梅隆大学研究团队开发了ViGoRL系统,通过视觉定位强化学习显著提升AI的视觉推理能力。该方法让模型将每个推理步骤明确锚定到图像的特定坐标,模拟人类注视点转移的认知过程。与传统方法相比,ViGoRL在SAT-2、BLINK等多项视觉理解基准上取得显著提升,并能动态放大关注区域进行细节分析。这种定位推理不仅提高了准确性,还增强了模型解释性,为更透明的AI视觉系统铺平道路。