近日,国内某音乐院校通过浪潮信息采用AI算力服务,顺利完成音乐分离模型的研发部署,并将模型训练效率提升5倍。该模型可以快速分离歌曲中的人声、贝斯、鼓、钢琴等多种声音,或将电影配乐分成对话、音效、音乐等轨道用于后续的视频剪辑和创作,助力影音从业者大幅提升工作效率。
某音乐院校是国内率先使用AI方法研究音乐分离模型的高校之一。相比传统方法,深度神经网络模型能够达到更好的音乐分离效果,并且具备更强的泛化性。但随着研究工作的深入,算力问题日益凸显。音乐分离模型的架构日新月异,如Facebook在2021年提出的Demucs模型是U-Net卷积架构;2022年引入了Transformer架构,将Demucs迭代为使用Self-attention(自注意力)机制的混合频谱图和波形分离模型。采用新架构的模型能够实现更好的分离效果,但对算力的需求也随之升高。该院校现有的计算资源在数量和质量上都无法满足模型的训练需求,难以根据实际应用场景的需求快速升级、迭代算法。
该音乐院校与浪潮信息密切合作,通过AI算力服务解决算力挑战。浪潮信息以高性能、高质量的AI算力服务协助用户进行音乐分离AI模型的研究开发,很好地满足了模型训练过程中的计算资源需求。同时借助浪潮信息AI算力服务,该音乐院校消除了CPU计算瓶颈并有效提升了GPU资源利用率,将模型的训练效率提升了5倍,从而能够更快、更高效地迭代音乐分离AI模型,处理更多数据,达到更好的分离效果。该院校计划通过AI算力合作,进一步降低模型的使用门槛,为更多影音从业者提供专业服务。
浪潮信息推出的AI算力服务产品,涵盖国际和国内领先的4种AI算力产品、经“源”清洗验证过的语言或多模态的大模型数据集的2种数据产品、由“源”专家团队提供的语言或多模态的大模型训练支持的2种算法产品以及AI训练推理资源管理调度的1种平台产品。目前,AI算力服务相关信息已在元脑生态AIStore平台上线,并提供进一步购买和试用咨询。
好文章,需要你的鼓励
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。