谷歌今天发布了企业版TensorFlow开源人工智能框架,旨在创建运行机器学习、深度学习以及其他统计和预测分析工作负载。
TensorFlow框架简化了获取数据、训练模型、提供预测和完善未来结果的过程,常见用途包括训练用于图像识别和递归神经网络的算法,以及用于机器翻译和自然语言处理的序列到序列模型。
Google Cloud AI Platform产品管理总监Craig Wiley在美国加州圣塔克拉拉举行的O'Reilly TensorFlow World大会上宣布,TensorFlow Enterprise的发布对于满足那些需要纵向扩展机器学习项目的企业的“更高要求和期望”是很有必要的。
TensorFlow Enterprise客户将可以得到谷歌所谓的企业级支持,包括对较早版本框架的长期支持。尽管TensorFlow会定期更新,但并非所有人都能立即升级到最新版本。
Wiley在博客中补充说:“对于某些版本的TensorFlow,我们将提供长达三年的安全补丁以及部分漏洞修复。Google Cloud将支持这些版本,而且所有补丁和漏洞修复都将在主线TensorFlow代码存储库中提供。”
Wiley说,企业级支持还包括一项“白手套服务”,该服务由Google Cloud专家提供“工程师到工程师”的帮助。
TensorFlow Enterprise的另一个优点是让客户可以自信地进行扩展。Wiley说:“很多模型都是从一个想法开始的,部署在单节点内部,但扩展到云的性能潜力可能会令人犹豫。”
但对于TensorFlow Enterprise客户来说现在情况完全不同了,现在他们可以利用Google Cloud中的一系列计算选项,包括Deep Learning VM和Deep Learning Containers,这些选项采用了谷歌定制的、面向人工智能工作负载的Cloud Tensor Processing Units。
除了可扩展性之外,TensorFlow Enterprise客户还可以从轻松使用Google Cloud托管服务,包括Google Kubernetes Engine和Google AI Platform。
Constellation Research首席分析师兼副总裁Holger Mueller表示,TensorFlow Enterprise适合那些需要企业级安全性、稳定性、维护和支持的企业,而这正是提供三年维修支持的谷歌TensorFlow Enterprise所能做到的。”
Mueller说:“ 谷歌注重性能的同时,还同时支持Google TPU和Nvidia GPU。我们期待看看谷歌是否可以通过此举有效发挥自己作为开源社区TensorFlow原始提供方的优势。在这方面真正的竞争点在于以最快的速度和最低的成本提供AI洞察。”
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。