分析公司Splunk正在使机器学习成为其下一代企业解决方案的核心,并称速度将比以前快20倍。
Splunk的平台会处理大企业生成的机器到机器的数据,帮助这些企业找到薄弱点并提升运营表现。
Splunk有大约14000家客户,其中包括医疗服务提供商、金融服务公司例如Nasdaq和Black Rock,以及像John Lewis这样的零售商。
为了争取更多的业务,今天Splunk在华盛顿年度会议上发布了最新一代企业解决方案,其中增加了更多算法。
Splunk公司IT市场布道师Guillaume Aymé表示:“现在我们会把这机器学习原生地内嵌到我们做的一切中。机器学习将帮助可以更好地做出决策。”
总的目标是从企业设备生成的数据中提供更多洞察,帮助这些企业提高性能,此外Splunk还希望通过在自身产品中原生地内嵌机器学习,这将吸引到那些通常不会想到使用机器学习的那些小型企业。
Aymé表示:“我们正在努力为企业组织降低使用机器学习的门槛,不需要聘请专门的数据科学家。他们只是希望机器学习能够带来成效,而不需要知道底层是如何运作的。”
机器学习将被融入Splunk最新版本的产品中,这些解决方案将专注于解决欺诈和云监控等痛点。
例如,User Behaviour Analytics通过搜索异常情况帮助检测内部交易和潜在安全漏洞,例如有人在不应该登录的时候进行登录。
与此同时,IT Service Intelligence产品则采用机器学习来区分“常态的”异常——例如银行预计在月底可能出现使用高峰——以及需要改善性能的情况。
对Splunk Enterprise 7.0来说另一个重大变化就是改进了的指标,这使得客户可以更好地分析各种数值例如温度等。Splunk表示,这一变化将加速监控,“至少”发出警报达20次。
“想到物联网设备,通常是笨笨的,只是发送出各种数字。我们让客户可以更加轻松地对这种数据进行分析,”Aymé表示。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。