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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。