2019年2月12日,旧金山,IBM Think大会——IBM(纽交所交易代码:IBM)今天宣布开启人工智能新篇章,从实验阶段进入到大规模部署及推动行业转型的全新旅程。IBM Watson将可应用到任意云平台,从而使企业能够突破云提供商的限制,在数据存储的任何地方灵活地部署AI。
IBM数据与人工智能部门总经理Rob Thomas表示:“由于云提供商锁定数据造成的限制,企业在很大程度上只能局限于使用‘竖井式’(siloes) 的人工智能技术。随着多数大型企业在混合云环境中存储数据,他们需要获取拥有应用人工智能技术的自由选择权,无论数据存储在何处。通过打破这种封闭的基础系统,我们可以帮助企业通过人工智能加速实现转型。”
IBM Watson人工智能系统旨在帮助企业应用人工智能提高绩效。Watson拥有一系列清晰的应用程序、开发工具、机器学习模型和管理服务,能够帮助全世界的组织机构挖掘数据、预测结果、并推动对时间和资源敏感的业务流程实现自动化。
IBM今天的发布进一步了推进这一使命,为企业提供了一种更简单、更快速的方式,实现在任意云平台创建、部署和运行人工智能模型和应用程序。有了这些工具,组织机构可以:
尽管人工智能应用正不断获得企业的关注,但许多组织机构仍然面临着诸多挑战。根据麻省理工学院斯隆管理学院的一份报告,81%的企业不了解人工智能需要哪些数据,也不知道如何获取这些数据。Gartner最近的一项研究发现,“数据和分析领域的领导者面临数据集成项目的复杂性、集成时间和成本影响等问题的困扰,他们通过修改项目范畴的多个周期来增加进度和交付成本。”
另外,根据麻省理工学院斯隆管理学院的报告,绝大多数企业(83%)都同意推动人工智能在企业的发展是一个战略机遇。
卡塔尔发展银行已与IBM携手创建IBM多哈创新中心。该中心将要部署的主要技术之一是IBM Cloud Private for Data。卡塔尔发展银行首席执行官Abdulaziz Al Khalifa表示:“IBM Cloud Private for Data的振奋人心之处在于,我们能够通过在平台内使用人工智能和机器学习微服务,快速推动金融科技和体育科技领域的创新。其特别吸引人的地方在于,它能够使我们快速开发和部署新模型,将人工智能应用于数据,而不是将数据应用到人工智能。”
ICP for Data是IBM针对人工智能开发的开源云原生信息架构,集成了先进的数据科学、数据工程和应用程序构建功能,旨在帮助企业从数据中发现以前无法获得的洞见。开源是ICP for Data的核心,Watson Studio是其中的关键部分。例如,根据IBM内部研究显示,使用Watson服务的用户中有85%使用Watson家族中的Python、R 和TensorFlow等开源语言和框架。
在近期发布的Forrester Wave企业洞察平台2019年第一季度报告中,市场调研公司Forrester Research将ICP for Data评为“领导者”。该报告分析并评价了集合数据管理、分析洞见、应用程序发展工具等功能的企业洞察平台。在报告中,Forrester Research提到:“IBM的预集成能力可以帮助客户在一周或更短的时间内提高生产效率。其机器学习辅助的数据目录和治理工具也给我们留下了深刻印象。IBM的平台运用Kubernetes在本地或公共云中进行部署。”
IBM今日发布内容的核心是为ICP for Data构建的一系列全新Watson微服务,这些服务基于开放的源代码技术,可以轻松实现跨云环境扩展。新的Watson微服务基于开源的Kubernetes技术,可以在IBM云以及其他公共云、混合云或多云环境中运行。
微服务基于以下软件解决方案:
新的Watson服务包含了Watson Studio和Watson Machine Learning等服务,这些服务目前可通过ICP for Data获取。今年晚些时候,IBM将为ICP for Data提供更多的Watson服务,包括Watson Knowledge Studio和Watson Natural Language Understanding。
此外,IBM今天还发布了新的Watson Machine Learning Accelerator,以帮助IBM Watson Machine Learning实现进一步扩展,该加速器能够在Power Systems和x86系统上实现高性能的GPU集群。结合IBM POWER9业界领先的GPU内存带宽,该解决方案可提供比竞争解决方案快10倍的机器学习培训。
除了发布上述解决方案,IBM还宣布即将推出全新的软件功能——基于Watson的IBM Business Automation Intelligence。借助这一新软件,企业领导者能够将人工智能直接应用于应用程序,帮助增强从文职人员到知识工作者的员工能力,以智能的方式实现一般工作乃至复杂工作的自动化。此外,该软件还可以衡量人工智能对业务结果的影响程度和有效性。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。