通用电气近几年一直在宣传应用大数据的潜在优势,并在去年迈出了重要的一步——在Pivotal上投入1.05亿美元。通用电气日前宣布Pivotal日趋成熟回报在望。
通用电气软件副总裁Bill Ruh是公司高层推广Pivotal应用的干将。根据他提供的资料,通用电气利用Pivotal的大数据套件(Big Data Suite)和EMC的设备在90天里建成了旗下航空集团所需要的系统,此系统连接多达25个航空公司的客户,可以用到所有的数据和分析。通用电气是主要的飞机发动机制造商之一。利用机器数据和分析的一个关键目标是提供更好的预测性维护。
通用电气副总裁Bill Ruh
Ruh在接受采访时表示,“我们希望摆脱疲劳警报的心态。我们想知道一个部件什么时候可能会出毛病,我们监视各种使用模式,以了解如何才能使各个部件更高效、更优化。”如果能在实际中能够使燃气轮机的效能提高一、两个百分点,加在起来就可以节省巨额的开支。
15,000个航班每飞一次的数据归总后可达14GB,然后需要一定的时间对这些数据进行分析。得到的结果有时候似乎直白得很,但提供的思路却可以防止出现大问题,例如,对在恶劣的、多尘的环境里工作的喷气发动机的清洗应该频繁一些。
Ruh指,过一遍所需的数据以找到一个维修问题,用传统的方法可能需要30天。而现在运行主要的分析可以在20分钟内完成。将所有的数据——关系型数据里的行、列数据加上那么不“那么有组织的”非关系型的东西——放在一个库里,然后在分析时能够访问这个库,这就是时下科技供应商推崇的 “数据湖”概念。
Pivotal首席执行官Paul Maritz表示,“这是一个非常生动的例子,这个例子表明一些客户在过去不能有效地完成的事,现在客户可以从数据里获得价值。这个例子还表明客户可以从不同的数据源获得价值。”
Ruh称,通用电气并不会就此止步。通用电气的医疗保健事业部制造CAT扫描仪和其他设备,医疗保健事业部也在推出的Pivotal技术,通用电气的电力、石油和天然气、铁路和运输部门随后也会走出同一步。同时,通用电气正在将旗下的Predix软件与Pivotal技术进行整合。
显然,市值达2570亿美元的通用电气有财力花大钱做这种事,但是Maritz表示,他预计该技术将来会通过SaaS模式交付,因而规模较小的公司也可以受益。
想了解Pivotal计划详情的读者,可以在网上搜到Paul Maritz在2014年数据结构大会上的有关新型的Pivotal数据应用的发言视频。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。