近日,Amazon在旧金山召开的AWS(Amazon Web Services)峰会宣布,在其云服务家族中加入一项Machine Learning,为没有机器学习背景的开发者提供分析和预测工具。该应用基础版目前有一年的免费期,只限美国东部地区。
在此之前,很多公司如Netflix和维权网站Change.org都在使用Amazon的AWS工具,来对用户行为和数据进行分析和推断。但通过原有工具实现机器学习的任务对技术人员要求较高,Amazon这次希望搭建一个门槛更低的平台,更好地为企业用户服务。
Amazon 内部使用机器学习已经很多年,而这些企业用户对这项技术也垂涎已久。坐拥大量数据的开发者越来越多地需要从这些数据中挖掘价值,比如电商可以根据分析用户 行为关联,选择性地投放广告。这些对数据分析、建模的要求很高,同时用户需求很大。使用Amazon的新工具,只需要大致三步:首先使用Amazon S3或Redshift建模,然后对模型进行验证和优化,最后使用它来进行预测。
在这个领域,目前也是存在竞争的。如微软旗下专注云服务的Azure在二月推出了自己的机器学习工具,而IBM上个月收购AlchemyAPI后,将把AlchemyAPI的深度学习技术整合到Watson核心平台,增强Watson挖掘非结构化数据并识别出它们之间联系的能力。
除 了机器学习工具,Amazon这次一口气推出了另外两个企业服务,一个是云存储服务,叫作“亚马逊弹性文件系统”(Amazon Elastic File System),用以处理容量超过1PB(相当于1024TB)的庞大数据,这么说可能有些抽象,举个例子,1PB存储空间可以是连续十多年拍摄的高清视 频。
另一个是第三方软件交易平台,可能颠覆以往的软件采购模式。像正在席卷的订阅大潮一样,企业客户不再需要签订多年的订购合同,而是可以通过这个平台按月租用软件,并通过Workspaces服务在亚马逊提供的虚拟PC上运行,灵活性增强。
好文章,需要你的鼓励
加州大学洛杉矶分校等机构联合推出的Unify-Agent突破了传统AI图像生成的知识局限,通过整合"思考-搜索-整理-绘制"四步工作流程,让AI画师具备主动查找资料的能力。该系统在FactIP基准测试中相关性指标提升61%,特别擅长处理需要准确世界知识的长尾内容和文化特色图像生成任务。
中科院团队开发的FlowPIE系统首次将动态文献探索与创意进化相结合,突破传统AI科学创意生成的同质化局限。该系统通过流引导蒙特卡洛树搜索实现文献检索与创意生成的紧密耦合,并采用类生物进化机制持续优化创意质量。实验显示,FlowPIE在新颖性、可行性等维度显著超越现有方法,展现出强大的跨领域泛化能力,为AI辅助科研开辟了新路径。
阿里巴巴DAMO研究院推出Lingshu-Cell虚拟细胞建模系统,采用掩码离散扩散模型技术,能够精确模拟和预测细胞在基因编辑、药物刺激等干预下的反应。该系统在国际虚拟细胞挑战赛中表现出色,为个性化医疗和药物开发开辟了全新路径,标志着数字生物学时代的到来。
上海AI实验室联合多所高校发布GEMS技术,通过智能团队协作机制让60亿参数的小模型在图像生成上超越顶级商业模型。该系统包含循环优化、记忆管理和技能库三大核心,采用多轮迭代和专业技能匹配,在主流测试中提升14分以上,为资源受限环境下的高质量AI应用提供新方案。