亚马逊网络服务公司(AWS)通过发布预览版的Amazon QuickSight Q扩充了该公司的商业智能服务,Amazon QuickSight Q是一种自然语言查询工具,可以作为该公司QuickSight云服务的配套功能。
亚马逊网络服务公司(AWS)的首席执行官Andy Jassy在公司年度re:Invent开发人员大会上的主题演讲中表示,借助QuickSight Q,用户可以使用日常的自然语言搜索数据库并在几秒钟内收到响应。
Q使用了机器学习和自然语言处理技术,并在多个数据点和业务领域进行了培训,它能够从用户的问题中提取业务术语(例如收入、增长、分配等)和意图,从源头筛选出相关的数据,并以数字和图形的形式反馈答案。
Jassy表示:“我们将提供自然语言,以提供我们认为的关键学习内容……我不喜欢非得让我们的用户知道要访问哪些数据库或者数据存储在哪里才能够查询的做法。我希望他们能够在搜索条以自然语言的方式中输入内容,然后就能够得到相应的答案。”
Amazon QuickSight于2016年推出,挑战了Qlik和Tableau等提供的传统商业智能工具。
该服务旨在让员工能够从数据中获取业务信息——无论他们的技术技能水平的高低。该服务提供了图形化的工具,让用户能够更轻松地将来自于AWS和各种第三方数据源的数据实现可视化,制作图表、图形和表格。
AWS表示QuickSight Q的预览版可以在美国东部(弗吉尼亚北部)、美国西部(俄勒冈)、美国东部(俄亥俄州)和欧洲(爱尔兰)使用。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。