ZD至顶网软件频道消息: Teradata表示正在创建一个由数据科学家、数据工程师和软件设计师组成的专家团队,主攻物联网领域基于云分析的研究。
名为全球物联网分析部的团队在Teradata实验室的范畴内运作,并会将重点放在建设基于云的新分析服务上,以达到在物联网应用里实现自动数据移动和自动数据库管理的目标。
Teradata去年决定出售旗下的营销应用业务,此举再次彰显了Teradata发展数据和分析的决心。由于许多企业往云里迁移,Teradata数据仓库的主要业务放缓,故而有此次的重组。
Teradata实验室总裁Oliver Ratzesberger表示:“Teradata的顶级研究人员都在集中精力打造最好的物联网分析(Analytics of Things)科技。正式推出该技术后,我们为我们的客户提供了更多的便利,他们可以更容易地移动传感器数据、优化数据管理系统,可以处理大量的数据以及对物联网数据流进行实时的高级分析。
另外,Teradata还在Teradata Aster分析引擎中增添了物联网数据准备和机器学习功能。Teradata表示,新功能可以更容易地检测机器行为模式及挖掘出数据的含义。
此外,Teradata还对现存的Teradata Listener功能进行了扩展。Teradata Listener是Teradata旗下一款捕捉和分发数据流的软件。Teradata表示,Teradata Listener将提供新的连接器,以使得获得和分析传感器数据流变得更加简单。
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。