目前,世界上的每个部门都在研究人工智能(AI)。 人工智能的突破性进展将发生在健康和生命科学、网络智能、智能城市和交通领域。
但是在任何人可以执行人工智能策略之前,他们都需要一个数据策略。
AI 背后的数据策略
当我们想到数据科学家所做的绝大多数工作时,85%的工作都与数据治理、数据清理、数据标记和数据分类相关——所有这些都体现在数据策略的概念中。
因此,利用人工智能的数据能力,需要了解所需的数据集,以及它们与我们试图驱动的洞察力的相关性。
我们必须扪心自问:我们有干净而有意义的企业数据吗?还是数据中充满了空白或欺骗性数据? 我们能否利用企业外部的海量数据,比如社交媒体或零售数据?
在许多方面,我们的客户仍然处于与理解他们的数据在哪里以及识别相关的准确数据的影响程度相关的初级阶段。 一旦他们这样做了,这就为他们如何利用这些数据来推动形成竞争优势的洞察力进行了有意义的讨论。
https://mediacenter.ibm.com/media/1_e7ccy846
借助英特尔和 IBM 加速人工智能
在英特尔,我们正在成为一个以数据为中心的公司,不仅因为这是我们公司愿景的一部分,也因为我们的客户要求我们这样做。 他们决心找到一种方法来利用我们的基础设施来加速他们的人工智能战略。 我们专注于确保我们能够理解如何在硅片上优化工作负载和代码,以提高客户要求的效率和性能。
英特尔和 IBM是很好的合作伙伴,在变得更加以数据为中心方面保持紧密的联系。 IBM创建了 IBM Cloud Pak for Data (以前的 IBM Cloud Private for Data),这是一个用于多个数据集高级集成和互操作性的平台。 我们的公司致力于确保它针对英特尔 Xeon可扩展处理器进行优化,为我们的客户加速性能
满足市场上的需求
我们的许多客户在识别、发现、评估、清理和集成所需的数百个数据集时遇到了困难。 IBM Cloud Pak for Data有助于数据发现和企业级数据的快速集成,使业务能够在市场中交付与高度相关的体验、服务和产品。
英特尔的参与和贡献是有意义的,因为客户可以在基于英特尔的基础设施上快速运行 IBM Cloud Pak for Data。 IBM和英特尔之间的联盟正以前所未有的方式增强数据科学家的能力,以推动更好的洞察力和更好的业务成果。
通过使用多声音数据和 AI平台,改进如何将数据转换为见解,请查看ibm.bi z/icp4data。
英特尔的 Melvin Greer 是非盈利组织格里尔领导力与创新研究所的的创始人,该研究所的主要重点是确保这些服务不足的人群积极参与人工智能解决方案的设计和开发。
了解更多IBM 数据与AI解决方案请访问
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。