谷歌今天早些时候表示,其Google Cloud将与工业巨头西门子合作开发新的人工智能产品,帮助优化流程并提高工厂车间的生产率。
两家公司表示,此举目的是将Google的云、人工智能和机器学习技术与西门子的工厂自动化系统结合在一起,帮助制造企业实现运营方式的数字化转型。
目前来看,两家公司是十分契合的。Google Cloud在AI和机器学习方面处于领先地位,而西门子是全球领先的软件和系统供应商之一,致力于帮助工厂更平稳地运行。
谷歌和西门子表示,制造业迫切需要自动化。他们指出,尽管目前很多工业流程都是由数据驱动的,但大多数制造企业仍在使用老旧的软件和多套计算系统分析来自制造工厂的信息,这样做不仅效率低下,而且占用大量资源,因此制造企业需要频繁进行手动更新和检查,以确保数据准确无误。
此外谷歌和西门子表示,尽管少数制造企业已经开始在某些工厂实施了AI技术,但其中很多项目都变成了工厂中孤立的“孤岛”。普遍来看,制造企业都极力在其全球业务中大规模实施AI。
总而言之,这些就是谷歌和西门之想要解决的问题。双方计划将Google的数据云、AI、机器学习服务,与西门子的Digital Industries Factory Automation工具集成在一起,帮助企业协调工厂数据并在其上运行基于云的分析和AI,在网络边缘部署算法。谷歌和西门子表示,这样一来,制造企业就可以在网络边缘运行新的应用,例如可以利用视觉技术检查产品、确保质量的计算机视觉应用,以及可以预测流水线机器磨损的算法。
西门子副总裁Axel Lorenz承诺,谷歌AI专业技术与西门子工业边缘系统的结合,将为制造企业带来“改变游戏规则的一场变革”。两家公司尚未发布任何正式产品,但表示,双方的合作将让制造企业可以轻松地在工业规模上大规模部署AI,实现日常任务的自动化并提高生产率。
“通过简化工业用例中的AI部署,我们将在工厂为从事关键任务的员工提供辅助,”Google Cloud制造与工业业务执行董事Dominik Wee表示。
“像企业的所有职能领域一样,在采用AI功能方面,工厂车间具有巨大的优势,”Constellation Research分析师Holger Mueller这样表示。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。