ZD至顶网服务器频道 11月12日 编译:很多老读者可能仍然认为英伟达只是一家图形处理器厂商,但根据该公司CEO黄仁勋的说法,其目前正在积极加快在计算与机器学习领域的发展脚步。
他解释称,“我已经在计算机行业拥有30多年的从业经历,而这已经成为有史以来最振奋人心的事件——计算机有能力进行学习,计算机有能力自行编写软件并实现人工智能,这一切都将给网络服务带来重大变革,”
有鉴于此,他于本周二演示了该公司刚刚面向机器学习市场发布的全新硬件产品。在数据中心方面,其推出了新的GPU加速方案以简化服务器在处理视频及图形工作负载时的任务强度,而就在同天下午该公司又拿出了其Jetson TX1。
这款尺寸仅为50毫米 x 87毫米的卡片包含一块处理能力达1万亿次的256核心Maxwell GPU,一块64位ARM A57 CPU以及4 GB内存,外加以太网与Wi-Fi连接功能。其将能够在明年第一季度正式投放市场,预定售价为299美元。
黄仁勋指出,这款新硬件以及英伟达开发并运行在其中的软件堆栈将极大简化机器学习的实践与实现方式。如此一来,机器学习网络的培训与部署工作将得到显著加速,而他认为未来将有大量面向Jetson TX1的应用程序不断涌现。
他指出,“我个人比较偏爱的一类潜在应用程序能够时刻关注家中儿童的实际动向,当他们外出玩耍时,没有什么比拥有这样一套监督保护方案更能让人安心。”
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。