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
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。