英特尔今天宣布与在线教育课程提供商Udacity展开合作,推出面向有兴趣在网络边缘部署人工智能模型的开发者的新课程。
边缘计算是指计算是运行在设备本身而不是在云中的,这样可以更快地处理数据,消除了将数据传输到云服务器的安全风险,降低了数据传输成本,以及带宽中断影响性能的风险。
今天公布的这项计划名为Intel Edge AI for IoT Developers Nanodegree,其目标是让开发者熟悉英特尔的OpenVINO工具包,该工具包用于在便于部署预训练的深度学习模型,使用C ++或者Python推理引擎应用API。
英特尔认为,随着医疗、制造和零售等行业越来越多地在边缘部署AI来收集更准确的实时洞察,这将成为未来几年开发者需要具备的一系列重要技能。根据Kenneth Research的预测,到2023年底全球边缘计算市场规模预计将增长到89.6亿美元,然而当今大多数开发者都不具备满足这一需求的能力。
OpenVINO工具箱基于卷积神经网络,让开发者能够在一系列英特尔架构中实现应用性能的最大化。此外该课程还让开发者可以访问英特尔DevCloud物联网,学生可以在其中开发、测试和运行各种英特尔芯片的应用。
英特尔表示,该课程的费用为1077美元,大约需要三个月的时间完成,其中需要完成三个实际项目,这些项目将由Udacity查阅者网络进行审阅。
英特尔副总裁、物联网集团总经理Jonathan Ballon表示:“优化直接在边缘设备上的部署,需要了解各种约束条件,例如功率、网络带宽和延迟、各种计算架构等等。该课程提供的技能将使开发者和企业能够学习在现实环境中实施应用。”
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。