在云方面,IBM的创新的努力方向在于,如何让企业在自己的IT环境中安心保存数据,而又通过云来自如的获得相应的IT能力。在“安全”方面,通过数据环境分析(基于大数据的多层监控)、行为感知模型(风险管理与防御规划)、自适应(优化响应)三个领域的突破来实现最新的安全智能。
认知计算通过模拟人类对外界的认知行为,以求真正实现人工智能,这对人类探寻未知世界极为重要(比如基因、神经、自动对话)。但模拟人类很简单的认知行为(如触觉)的计算量都是十分巨大的,当前的Watson只算是一个开始。所以在David看来,认知计算才是计算系统最终的决胜关键。
在讲演的最后,David强调了IBM STG与IBM研究院之间密切的关系——为实现上述5个计算创新而联合协作。IBM研究院负责技术前沿的方向把握与理念实现,而STG则将把研究院的成熟成果变成可用的商业化产品提供给最终的用户。显然IBM研究院将是STG产品保持领先地位的“技术基因”。
在David之后,IBM PowerSystems总经理Doug Balog给我们带来了新的PowerSystems发布,不过在此之前他仍然简要回顾了一下基于POWER8的最新PowerSystems的关键特色——出众的云生态、开放创新的平台、为大数据而生,这其中与开源平台的结盟(如Linux、OpenStack、Hadoop)功不可没。
不久前的IBM与NVIDIA的联合发布,是PowerSystems在开放与大数据方面的重要收获。NVIDIA将Tesla GPGPU加速卡与PowerSystems S824L(双插槽、Linux环境)相结合,专门为大数据处理而优化,不过这次并没有用CAPI连接,未来NVIDIA将会采用自己的NVLink实现与POWER8处理器的内存共享。
好文章,需要你的鼓励
TAE Technologies在最新一轮投资中获1.5亿美元,累计融资约18亿美元。公司利用 AI 技术优化融合反应堆设计,目标于 2030 年代商业化发电,谷歌等巨头均参与合作。
这项来自首尔国立大学的研究提出了状态机推理(SMR)框架,解决了大型语言模型在信息检索中的过度思考问题。研究者将推理过程从冗长的令牌生成转变为离散动作(精炼、重排序、停止),使系统能够高效地在状态间转换。实验结果表明,SMR在BEIR和BRIGHT基准测试中显著提高了检索性能,同时减少了74.4%的计算资源消耗,证明其在不同语言模型和检索器中的通用性。这种结构化方法不仅解决了冗余轨迹和误导性推理问题,还为构建更高效的信息检索系统提供了新思路。
Nvidia 正在全球数据中心推广 AI 芯片,其最新 Blackwell 架构在 MLPerf 基准测试中获得最高性能,大幅加速下一代 AI 应用的训练与部署。
REASONING GYM是GitHub团队开发的一个突破性推理环境库,为强化学习模型提供可验证奖励。与传统固定数据集不同,它能生成无限训练数据并调整难度,涵盖代数、算术、认知、几何等100多个领域的数据生成器。研究显示,即使顶尖AI模型在复杂任务上表现也不佳,而专门针对推理训练的模型明显优于通用模型。更重要的是,在一个领域学习的技能可以意外地迁移到其他领域,这为提升AI推理能力提供了新路径。