谷歌云在人工智能领域再次发力,今天宣布了两项面向数据科学家和医疗专业人士的重要新功能。
对于数据科学家,谷歌推出了一个新的 AI 代理,承诺将为数据科学和机器学习项目的数据分析提供强大支持。而医疗专业人士则将获得扩展的多模态搜索功能,以协助患者诊断和治疗规划。
首先,谷歌实验性项目孵化器 Google Labs 宣布在 Google Colab 中推出新的数据科学代理,以帮助软件开发者分析数据。
Google Colab 是一个免费的基于云的 Jupyter Notebook,开发者可以用它来编写和执行基于 Python 的代码,用于数据科学和机器学习任务。公司表示,通过在 Colab 中集成的数据科学代理,开发者可以将原本需要数周的数据研究和分析时间缩短至数分钟,从而大大加快应用程序的开发速度。
该功能由谷歌最先进的大语言模型 Gemini 2.0 驱动,旨在消除数据分析中繁琐的设置任务,如导入库、加载数据和编写样板代码。用户只需用自然语言描述想要进行的分析,然后静待 AI 驱动的数据科学代理呈现所需的洞察。
"今天,我们很高兴向所有 Colab 用户推出数据科学代理," Google Labs 在博客文章中写道。"这项功能允许用户通过简单的自然语言描述生成完整的、可运行的 Colab notebook。"
Google Labs 解释了使用方法的简便性。用户只需打开一个空白的 Colab notebook,上传数据,然后在 Gemini 侧边栏中描述他们想要进行的分析或想要构建的原型。比如简单地说"可视化趋势"或"构建并优化预测模型"即可。
完成后,数据科学代理将生成一个功能完整、可执行的 Colab notebook,其中的代码可以轻松定制以满足特定需求。
根据 Google Labs 的说法,数据科学代理已从早期测试者那里获得了很好的反馈。其中包括劳伦斯伯克利国家实验室的一位数据科学家,在研究全球热带湿地甲烷排放的项目中,他估计这个工具帮助将近一周的数据分析工作压缩到仅仅 5 分钟。
面向医疗专业人士的多模态搜索
在其他 AI 新闻方面,谷歌云宣布为其医疗平台的 Vertex AI Search 工具更新了一项名为视觉问答 (Visual Q&A) 的新功能,使用户能够更轻松地搜索表格、图表和图示,并询问其中的数据。
该公司解释说,Vertex AI Search 医疗版本中的新多模态搜索功能将通过提供更全面的患者健康视图来帮助医生、护士和其他医疗专业人士。
Vertex AI Search 医疗版是为医疗行业量身定制的 AI 搜索工具,旨在帮助临床医生从复杂的健康记录中检索信息。多模态 AI 指的是能够处理和整合来自不同来源的信息的技术,包括图像、视频和文本。
谷歌指出,这在医疗领域尤为重要,因为近 90% 的医疗数据都以图像形式存在,如 X 光片、扫描和照片。通过将图像数据与传统医疗文件中的书面记录和文本相结合,Vertex AI Search 医疗版可以帮助做出更准确的诊断,并帮助提出更个性化的治疗计划,改善患者预后。
谷歌云全球医疗战略与解决方案总监 Aashima Gupta 表示,新的多模态功能旨在帮助临床医生更高效地工作。"多模态分析处理多样化的患者数据来源,如医学图像和基因信息,以实现更全面的理解和改进决策制定,"她说。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。