
每年,世界经济论坛都会报道世界各地的技术先驱。如你所知,今年许多公司在业务核心使用人工智能(AI)和机器学习来提供创新的产品和服务。任何对人工智能感兴趣的人都应该了解这14个初创公司。
BenevolentAI
这家总部位于伦敦的公司成立于2013年,有两个运营中的业务部门:BenevolentTech,重点是开发人工智能平台,通过改变科学家访问和使用可用信息的方式来推动创新;BenevolentBio,应用该技术产生影响人类健康的新想法,例如更好的药物和研究,对罕见疾病的见解和创新。
Casetext
Casetext的使命是提供免费法律服务,并且让法律不再晦涩难懂。Casetext利用人工智能技术帮助法律研究人员快速找到最相关的案例。有超过100万人(包括100多家律师事务所的诉讼律师)每月都会访问Casetext的CARA——一个由人工智能技术支持的法律库。
CognitiveScale
CognitiveScale提供的人工智能和区块链解决方案并不是要用人工智能取代人类,而是让人类与机器相结合,以增强人类的认知能力,从而影响到从医疗保健到能源和制造等各个行业。随着新数据不断流入,这些系统会自己进行学习、适应和扩展。
DriveAI
来自斯坦福大学人工智能实验室的毕业生们在2015年创立了这家DriveAI公司。DriveAI拥有包括传感器、激光雷达、高清摄像机在内的改装套件,让车辆能够360度全方位了解周边环境。DriveAI与公共和私人合作伙伴合作,通过地理围栏自驾车解决方案解决当今的交通挑战。
Gamalon
Gamalon是一家致力于通过人工智能提升人类能力的公司。Gamalon将人类和机器学习结合起来,通过自然语言处理和接收个性化的互动,让人们可以与组织进行交谈或发短信的形式进行沟通。Gamalon的应用包括客户聊天、在线调查、社交媒体反馈、故障单、呼叫记录等。
Malong Technologies
中国的码隆科技(Malong Technologies)公司,目标是开发的设备能够在宏观、微观和X射线水平上“看到”物理对象。码隆的人工智能计划有望帮助客户实现更高的安全性、质量和效率。目前码隆有几个行业应用,包括零售、安全和制造。
MyCrop Technologies
MyCrop Technologies位于印度,提供的协作平台利用机器学习为种植作物的农民提供实时支持。通过大数据、传感器和无人机等,MyCrop的技术和智能算法能处理数据并指导农民“下一步”提高生产力和盈利能力。
Narrative Science
Narrative Science是一家专注于自然语言处理创新的公司,它的Quill平台可以像人类一样学习和编写,将数据转换为智能叙述内容,让人们能够更快地做出更好的决策,为员工提供帮助并改善与客户的互动。客户可以根据数据采取行动,而不是花时间撰写报告。
Petuum
由卡内基梅隆大学的科学家和教授创立的Petuum,是获得资金最多的人工智能和机器学习初创公司之一。Petuum希望为每家公司提供即插即用的人工智能解决方案。Petuum为各种规模的企业提供机器学习构建模块和软件,以创建人工智能应用,以提高生产力和效率。
Precognize
通过分析工厂数据和采用先进的机器学习,Precognize的预测性维护软件可以提前几天甚至几周检测出系统故障,不仅有助于防止停机,还可以节省维护成本,将停机时间降至最低。
Primer
可以读写的机器?这正是人工智能公司Primer构建的产品,不仅可以用英语读取,也可以用中文和俄语读写的机器。Primer的工具可以自动分析庞大的数据集,“加速我们对世界的理解”。
Pymetrics
21世纪的招聘是使用神经科学游戏和人工智能(没有偏见),将人们与其擅长的工作进行匹配。Pymetrics开发了这样一种系统,不是通过简历评估,而是通过20分钟的游戏时间来评估他们的认知和情感构成。由于算法没有偏差,因此该策略可以让招聘流程多样化。
Soulmachines
谁说机器不能表达和感情?新西兰公司Soulmachines就打造了这样一个数字神经系统,并相信这将彻底改变人类和机器的互动方式。Soulmachines的愿景是“让人工智能人性化,以实现更好的人性”。 Soulmachines创造出令人难以置信的生活,情绪敏感的“人造”人类。
ThoughtSpot
ThoughtSpot是人工智能驱动分析和搜索的领导者,可以将数千名分析师的力量投入到每个业务人员那里。想象一下,利用类似Google的搜索来分析大量数据,并从数据中获取洞察,这就是ThoughtSpot只需点击一下即可实现的东西。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。