上市公司ServiceNow的Now Platform提供了一个集中式枢纽,让IT团队可以通过它管理企业的基础设施和应用。Watson AIOps是IBM的一款软件产品,利用机器学习检测IT问题例如网络中断。
两家公司准备在今年晚些时候将这两款产品进行整合,让IT专业人员能够在ServiceNow界面中查看Watson AIOps检测到的问题,并通过该界面执行日常任务,此外Watson AIOps将提供有关如何解决这些问题的建议。
此次集成发挥了双方的特长,由于ServiceNow的平台倾向于在客户IT运营中扮演核心角色,因此可以提供有关基础设施状态的最新数据;而Watson AIOps则可以分析ServiceNow中的数据,创建一个基准模型,描述企业的技术环境运行状态,通过查找与该基准不同的事件来发现异常情况。
ServiceNow和IBM将致力于利用该解决方案缩短解决技术问题的时间。两家公司表示,从早期客户部署获得的数据来看,在某些情况下Watson AIOps可以将故障排除速度提高60%多,而这可能就意味着像关键任务型应用的宕机时间会减少60%。
IBM首席执行官Arvind Krishna表示:“通过与ServiceNow及其市场领先的Now Platform合作,客户将能够利用AI快速降低意外IT事件的成本。”
两家公司将联合向市场中推广该解决方案,ServiceNow IT工作流产品高级副总裁Pablo Stern表示:“IBM正在扩展ServiceNow在全球的实践,新增了Now Platform的咨询、实施和托管服务等功能。ServiceNow也共同投资,通过培训和认证IBM员工和专业员工以取得客户成功。”
IBM将通过此次合作,增加Watson AIOps对于ServiceNow用户的吸引力,反过来,这些企业组织也将获得更多自动化特性,从而能够简化他们的IT工作流程。
Watson AIOps将利用ServiceNow中的IT基础设施数据来发现异常情况,这也突显了ServiceNow的数据管理功能对其整体产品战略的重要性正在日益提高。最近ServiceNow一直在加强这部分功能集。今年6月,ServiceNow收购了比利时初创公司Sweagle NV,后者的数据库可以用于存储有关企业应用和基础设施状态的配置信息。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。