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
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
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。
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。
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。