Teradata公司已经与Nuix方面建立合作伙伴关系,旨在帮助客户利用其Aster Analytics技术处理"暗数据"。

根据Teradata公司的说法,Aster是一套较之Nuix更为强大的分析引擎,不过Nuix在数据提取与索引方面则优于Aster。将二者加以结合,即可建立起一套强大的电子发现或合规性违反行为检测方案,其将作为一套反渗透数据堆以存放必要信息。当然,二者本身仅能作为数据挖掘工具存在,意味着大家仍然需要了解有价值数据的特征并在其中据此进行查找。
Aster Analytics采用文本与路径分析机制,同时配合机器学习技术,旨在从数据存储库当中提取信息。
Nuix则是一家建立于2000年的澳大利亚厂商,主要业务在于挖掘非结构化数据以满足法律法规及监管等用途。其Nuix引擎软件能够从各类广泛的源数据类型当中提取出可搜索文本与元数据,具体包括已删除文件、PDF文件、大规模电子邮件数据库以及EMC Centera与NetApp SnapLock等数据存留方案。
Teradata公司的主要着眼点在于暗数据,即由于数据类型、格式及容器化等因素所限而无法确切被发现及识别的内容。Nuix公司的软件则相当于向其中打入一道光,即将其汇总为单一可搜索池--正如其与Panama Papers的配合思路一样--以此为基础Aster将能够指向并提取有用内容,同时将其交付给用户。
此次合作为双向关系,根据我们得到的消息,Nuix公司的客户也能够利用Aster Analytics方案实现信息的调查、诉讼、网络安全、情报与专项治理操作,从而更为深入地对Nuix生成的数据池加以分析。
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
马里兰大学研究团队通过测试25个大型AI模型发现,即使最先进的AI评判系统在需要同时考虑多个标准时也会出现严重偏差,准确率仅32%-53%。研究构建了Multi-Crit评测基准,揭示了AI在多标准权衡中的根本性局限,为改进AI评判系统的公平性和可靠性提供了重要参考,对AI在内容审核、产品评价等应用场景具有重要指导意义。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
南京理工大学团队开发ViLoMem框架,首次实现AI的双流记忆机制,分别处理视觉和逻辑错误。该系统模仿人类认知,让AI能从错误中持续学习,在数学推理等多模态任务中显著提升准确率,为AI从被动工具向主动学习伙伴的转变提供了重要技术突破。