Hugging Face是一家主流的机器学习模型托管平台运营商,该公司正在与AWS合作致力于简化人工智能开发项目。
双方近日宣布这一合作伙伴关系,这也是对Hugging Face和AWS在2021年初启动的现有合作的一个延伸。
AWS公司首席执行官Adam Selipsky表示:“生成式人工智能有可能改变整个行业,但其成本和所需的专业知识使除少数公司之外的其他所有公司都无法使用该技术。Hugging Face和AWS让客户能够更轻松地使用主流的机器学习模型,以打造他们自己具有最高性能和最低成本的生成式人工智能应用。”
总部位于纽约的Hugging Face此前获得了超过1.6亿美元的资金支持,运营着一个类似于GitHub的平台,开发人员使用该平台可以托管开源的AI模型,训练数据集等相关技术资产。该平台存储了超过十万个神经网络的代码。
在此次合作中,Hugging Face将使用AWS作为其首选的公有云,此外Hugging Face正在推出和Amazon SageMaker机器学习平台的新集成。该平台包括六种以上的云服务,开发人员可以使用这些服务来构建、训练和部署AI模型。
这一新的集成将让开发人员通过几次点击就能在SageMaker上部署由Hugging Face托管的神经网络。他们把AI模型上传到SageMaker之后,就可以使用由AWS Trainium芯片提供支持的云实例并对其进行训练。这些芯片专门针对AI训练任务进行了优化。
从Hugging Face部署到AWS的神经网络,还可以与其他类型的云实例一起使用,包括那些由AWS Inferentia加速器系列提供支持的实例。Inferentia加速器是一种为执行推理进行了优化的芯片,也可以在训练阶段完成后在生产中运行AI模型。
Hugging Face公司首席执行官Clement Delangue表示:“人工智能的未来就在这里,但分布并不均匀,Amazon SageMaker和AWS设计的芯片将让我们的团队和更大的机器学习群体把最新的研究成果转化为任何人都可以构建的、公开可复制的模型。”
这一集成将是对两家公司目前提供给开发人员的Hugging Face AWS Deep Learning Containers的一项补充,后者让Hugging Face的AI模型以预打包的格式提供给用户,更容易部署在公有云环境中。
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。