你是一个企业的领导者吗?数字化转型对你和你的员工来说是一件令人头疼的事情吗?你发现很难与那些拥有最好的开发者、数据科学家的公司相竞争?对于必须做这些事情、必须为此而争夺的公司,这里会给你一些建议。
Kevin Garrison是美国国防部CIO(业务处理和系统审查),数据分析总监。今年在美国麻省理工学院举行的首席数据官CDO论坛上,他表示:"改革美国国防部就好像让企业自力更生一样,这需要很长一段时间。"
Garrison说,美国国防部在采用新技术方面通常是很缓慢的。"在五角大楼我工作的地方是没有无线网的。我觉得下周可能会有,或者很快一段时间内就会有了。"
成本约束
"我个人认为,未来想要用到大型企业才有能力负担得起的分析解决方案,你就必须很认真地考虑开源了,"Garrison说。
他说,可以实现一切的专有厂商从成本上可能对大多数人都是不可行的。"许可费用可能就会要了你的命,"他还补充说,"切换平台就像是切换ERP--微弱的心脏可受不了,而且也不便宜。"
人才军备竞赛
Garrison表示,美国国防部相对温和的预算迫使它必须找到创新的方式得到人才。其中一种方法就是"通过合同支持给你的大型集成商施加压力,从而拿出具备所需技能的人才"。
这样一来,美国国防部就可以得到愿意使用它提供的工具、训练有素的人才。"Windows 10和一台使用了5年时间的笔记本,对于刚从MIT毕业的人来说可不是什么令人兴奋的事情,"他调侃说。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。