NetApp公布了一项名为FabricPool的技术,并将本地存储和AWS云存储结合成单一的存储库。这也是NetApp的Data Fabric战略的一部分,将本地存储与公有云融合并集成。
NetApp高级技术总监Joe aradonna在近日拉斯维加斯举行的Insight大会上展示了Fabric Pool。这个概念很简单:把高速访问率或者热数据保存在本地的NetApp ONTAP阵列的闪存盘中,当数据访问率非常慢时,会自动迁移到容量优化的存储层。
Caradonna表示,FabricPool将用于ONTAP Cloud、全闪存FAS和ONTAP Select。我们猜测本地运行ONTAP的全闪存阵列把数据分层运行在AWS的ONTAP Cloud之上,并使用S3协议完成对数据的迁移。ONTAP Select是软件版的ONTAP,是ONTAP Edge的延伸开发。这可能是AWS的S3对象存储服务或者NetApp的StorageGRID结合的一个典型方案。
现在Avere、昆腾StorNext云分层、Lattus对象存储都已经实现了本地文件存储和Amazon云或对象存储之间的分层技术。
据称,StorNext主要用于娱乐和媒体行业,例如视频工作流,但是现在也扩大了运用范围。Avere也涉足了娱乐和媒体行业,但其定位上将更趋向于通用性。
我们猜测,FabricPool技术可能会在2017年年初作为一款新产品面世。
好文章,需要你的鼓励
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。
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。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
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。