近日,2015中国大数据技术大会在北京新云南皇冠假日酒店顺利召开,IBM在大会上阐述了面向大数据分析领域的IT基础架构的最新战略,同时分享了在大数据分析领域的最新成果。
认知计算时代已经到来
“认知计算”这个词,好像是在最近这几年经常被人提及。“认知”这个词源自于心理学的概念,人类对于事物的认知,往往是个从“不知”到“了解”,再到“理解”的过程。这也正像人们对于“认知计算”的接受过程一样,如今已经完全理解了这个名词,全因我们已经来到了认知计算时代。
进入认知计算时代,主要存在两个特征。首先,大量的数据正在推动各行各业的变革,例如医疗、政府、教育以及媒体所产生的数据,在过去这几年时间里都处于飞速成长的状态,预计到2017年,这几个行业所产生的数据将会呈现出翻番的状态,其中超过80%的新成长数据是非结构化的数据,包括了语音和影像。
其次,无论是产品也好,服务也罢,背后都有大量计算机代码在重新塑造着整个世界,大量的数据以及计算机代码推动着计算时代迅速的演变,计算技术已经从过去单纯的计算,进入到了认知计算的时代。
面对认知计算,我们可以通过不同手段,例如:物联网、手持设备、终端设备,通过互动的方式去理解世界的规律,最终能够使用不同的数据模型,或者自己演变的模式和假设去进行论证和推理,而且能够通过互联网或者专业的系统,使得我们可以进行学习。
由此可以看到,是大量数据的产生催生出了认知计算时代。
大数据分析的作用不可忽视
大数据分析是指对规模巨大的数据进行分析,大数据可以概括为5个V, 数据量大(Volume)、速度快(Velocity)、类型多(Variety)、价值(Value)、真实性(Veracity)。
大数据作为时下最火热的IT行业的词汇,随之而来的数据仓库、数据安全、数据分析、数据挖掘等等围绕大数据的商业价值的利用逐渐成为行业人士争相追捧的利润焦点。随着大数据时代的来临,大数据分析也应运而生。
IBM在大数据分析上面有着其独特的想法,给笔者的感觉是IBM现阶段所做的一切动作都与大数据分析有关联。
IBM大中华区硬件系统部Power Systems产品总监李红
POWER8作为IBM新一代的处理器产品于2014年问世,这款产品专门为大数据而设计,伴随着POWER8的发布,IBM在市场中启动了一系列的动作,并努力投身于OpenPOWER基金会之中。IBM大中华区硬件系统部Power Systems产品总监李红介绍到,“OpenPOWER基金会的成立,在一定程度是为了推动大数据分析的发展,随着越来越多的厂商的加入,使得产品和解决方案越加丰富,做到了将一个组织结构和生态系统真正可以面对市场,产生出众多对用户有帮助的解决方案,这些解决方案恰好针对大数据应用而发布。”
在2015年,IBM推出了LC系列产品,即基于Linux的集群式解决方案,在大数据环境之下,正是构建大数据应用的最基本结构,同时搭配上加速卡的加速技术,例如FPGA等新技术去完成更高速的计算能力需求,这也是针对大数据提出来的新需求,与以往商业应用有所不同的地方。
在这个过程中,IBM联合了众多其他厂商,包括OpenStack基金会中的成员一起推出解决方案,李红表示,“在LC系列产品里面,部件设计、加工、GPU等等都来自不同的厂商,整个生态环境来共同推出产品面向市场,从而可以做到快速适应市场的需求和反应,灵活针对大数据的不用应用快速进行调整。”
IBM大中华区提升客户体验委员会成员、Linux服务器总监林灿辉
并且搭配上整个IBM Linux服务器家族,可以更好得在大数据分析上为用户提供帮助,IBM大中华区提升客户体验委员会成员、Linux服务器总监林灿辉表示,“IBM在最近公布了Linux的新模式,专门打造一个团队在Linux服务领域与市场上保持竞争力。”
后记
在认知计算时代中,大数据分析成为了这个时代下的一件工具,IBM在大数据分析上所做的,一方面是为了迎合这个时代的到来,另一方面可以很明显得感受到如今的蓝色巨人正在努力的转型。未来在大数据分析领域之中,IBM将会有更多的声音,所以且听下回分解。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。