中国,杭州,2018年3月30日——全球领先的存储解决方案提供商希捷科技公司(NASDAQ:STX)日前参加由海康威视于杭州国际博览中心主办的智涌钱塘—2018 AI Cloud生态国际峰会并参与了AI Cloud生态启动仪式。此次峰会,业界伙伴齐聚一堂,以人工智能AI 为核心,就AI的发展趋势、应用以及对于未来社会的影响进行了深度交流和探讨,旨在推动AI生态圈的健康稳定发展,缔造人工智能化的美好未来而努力。
近年来,随着大数据的发展,人工智能和云计算正成为一场席卷各行各业的新的智力革命。人工智能和云计算在垂直领域的不断落地,为传统行业包括金融、农业、物流、安防、教育、医疗等诸多领域带来颠覆式变革。据2018-2023年中国人工智能技术应用行业深度分析和发展前景预测报告,至2030年,人工智能将在中国产生约10万亿元的产业带动效益,不同行业乃至整个社会向智能化时代迈进是大势所趋。
AI发展之快以及影响之深远是空前的,希捷科技是业界最早意识到这点的企业,根据希捷科技赞助、国际数据公司(IDC)发布的白皮书《数据时代2025》预测,到 2025 年,属于数据分析的全球数据总量将增长至原来的 50 倍,达到 5.2 ZB;而认知系统或者人工智能“触及”的分析数据总量将增长至原来的100 倍,达到 1.4 ZB!由此可见,人工智能在以前所未有的速度发展。而安防领域是人工智能首先落地的普及率最高的行业,希捷科技在其业界领先的监控存储方案中率先植入AI 功能,发布了专门针对AI应用的酷鹰人工智能(SkyHawk AI)监控硬盘。该硬盘具备高吞吐量和优化的缓存,能够提供低延迟和极佳随机读取性能,实现对视频图像的迅速定位与传送并进行影像分析,是解决随着人工智能工作流产生的密集计算工作负载的理想方案。这款硬盘有助于推进决策,消除云数据交换和处理的延时。酷鹰人工智能(SkyHawk AI)硬盘配有希捷ImagePerfect人工智能固件,能够可靠无损地记录高质量的重要视频片段,同时支持智能NVR的多路视频分析,确保视频监控图像信息不会丢失。酷鹰人工智能(SkyHawk AI)监控硬盘是希捷成功应用AI技术提升安防行业效率以及推动AI普及的突破性的一步,开创了数据存储界AI应用的先河。
此次峰会中,希捷科技全球副总裁暨中国区总裁孙丹女士表示:“大数据驱动下,全球对人工智能视频监控硬盘和云数据中心硬盘的需求正呈指数上升。希捷一贯致力于优化拓展存储性能,意识到合作伙伴对智能化攀升的需求,我们将人工智能融入到存储解决方案,便于我们的合作伙伴优化系统的性能,高效利用存储的数据实现业务增长,大幅提升了他们的价值空间,从而和他们一起打造稳定健康发展的人工智能生态圈。”
酷鹰人工智能(SkyHawk AI)硬盘的应用与海康威视AI Cloud智能物联网架构的研发宗旨不谋而合。海康威视AI Cloud从边缘节点、边缘域到云中心的采用智能化的数据采集、处理和分析技术,真正做到让感知理解更有效、更精准,图像目标传输更高效,数据分级应用更灵活,业务响应更敏捷。
海康威视国内营销中心副总经理郭旭东先生称:“大数据时代的快速发展必将引爆智能化的进程,顺应时代发展,我们将AI注入边缘,让机器变得聪明,从而提升其认识能力和感知能力,加速智能化进程的步伐。而我们很欣慰地看到像希捷这样的业界合作伙伴能够一直与我们并驾齐驱,在人工智能领域取得突破性创新,将AI产品推广应用到各行各业,在各自的领域为智能化生态圈的发展助力。”
好文章,需要你的鼓励
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。
这项研究探讨了多模态大语言模型在增强推理能力时出现的视觉幻觉问题。研究发现,模型生成更长推理链时,对视觉信息的关注减少,导致幻觉增加。研究者提出RH-AUC指标和RH-Bench基准来评估模型在推理与幻觉间的平衡,发现较大模型表现更好,纯强化学习训练优于监督微调加强化学习,且训练数据的类型比数量更重要。这些发现对开发既具推理能力又保持视觉准确性的AI系统具有重要意义。
这篇研究探讨了大语言模型在自动推理任务中的不确定性问题。研究者提出,模型生成形式规范时的概率不确定性不是缺陷,而是宝贵的信号源。通过引入概率上下文无关文法框架分析SMT-LIB程序分布,他们发现不确定性信号具有任务相关性(如逻辑任务中的语法熵AUROC>0.93)。他们的轻量级信号融合方法能减少14-100%的错误,仅需最小弃权,将大语言模型驱动的形式化转变为可靠工程学科。研究揭示当模型正确理解逻辑关系时会产生稳定的语法模式,为判断何时信任模型提供了可靠指标。
来自沙特阿拉伯王子苏丹大学和阿尔法萨尔大学的研究团队开发了GATE(General Arabic Text Embedding)模型,这是一套专为阿拉伯语设计的文本嵌入系统。该研究结合了套娃表示学习和混合损失训练方法,解决了阿拉伯语特有的语义处理挑战。GATE模型在MTEB基准测试的语义文本相似度任务中表现卓越,比包括OpenAI在内的更大模型高出20-25%,同时保持了多维度(768至64)的高效表现。研究通过详细的错误分析揭示了模型在不同相似度水平上的表现特点,为阿拉伯语NLP领域提供了新的研究方向。