AWS和微软将联手发布一个名为Gluon的开源深度学习库,两家公司称此举能够让更多开发者利用机器学习,这个机器学习库为开发者提供了一个接口,他们可以通过这个接口为云和移动应用打造、构建、训练和部署机器学习模型。
据称,与其他产品相比,Gluon是一个更为简洁、易于理解的编程接口,让开发者有机会快速地打造神经网络原型并进行实验,而不用牺牲性能。
Amazon AI副总裁Swami Sivasubramanian表示:“今天的现实情况是,构建和训练机器学习模型需要大量的繁重的专业知识。我们创建了Gluon接口,让构建神经网络和训练模型变得和构建一个应用一样简单。”
Gluon接口目前适用于Apache MXNet,未来版本还将支持微软Cognitive工具套件。开发者可以使用Python API和一系列预构建的神经网络组件来构建机器学习模型。
AWS和微软还发布了Gluon在GitHub上的参考规范,可让其他深度学习引擎能够整合该接口。
微软AI及研究企业副总裁Eric Boyd表示:“我们相信对于行业来说,相互合作和池化资源以打造有益于更广泛群体的技术,这是非常重要的。机器学习有能力变革我们工作、交互和交流的方式。为了实现这一点,我们需要提供适当的工具,Gluon接口就是我们在这个方向迈出的一步。”
这并不是两家科技巨头围绕AI进行的首次合作,今年8月两家公司承诺将在今年年底实现微软Cortana和Amazon Alexa之间的通信。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。