9月24日,在第五届HUAWEI CONNECT,华为云发布基于AI开发平台ModelArts打造的业界首个全生命周期知识计算解决方案,赋能企业打造知识计算平台,实现AI与行业知识高效结合,加速智能化升级。
知识计算是把各种形态的知识,通过一系列AI技术进行抽取、表达、并协同大量数据进行计算,进而产生更为精准的模型,再次赋能给机器和人的一种全新方法。
“AI作为智能体参考架构的核心,在帮助政企、行业构建全场景智慧上将发挥关键作用。600多个项目实践经验表明,AI一旦进入企业的核心业务系统就能创造更大价值,但行业知识与AI技术的结合是最大难点。借助华为云知识计算解决方案,企业可以打造自己的知识计算平台,释放知识的力量,推动AI进入核心业务系统。”华为云人工智能领域总裁贾永利表示。
华为云知识计算解决方案,包含知识获取、知识建模、知识管理以及知识应用四大模块,覆盖知识在企业的生产环节中应用的全生命周期。
知识获取:对多模态的行业知识,如生产系统中的机理模型、行业技术文献、专家经验、历史方法总结、测试报告等,进行解析和处理,这是数据转化为知识的第一个关键阶段。
知识建模:根据业务场景进行知识建模,提供流水线式自动化构建知识图谱的能力,可以使得图谱构建时间由数星期缩短到数分钟,同时可以实现知识图谱的自动更新。
知识管理:对于海量知识提供超大规模图谱存储能力和高性能查询,以及自动化更新、冲突管理、质检控制等能力。
知识应用:提供知识搜索、可视化分析、知识推荐等基础能力,以及智能对话、预测分析、知识推理等高级能力,匹配企业多样化的应用需求。
企业可以基于华为云知识计算解决方案打造自己的知识计算平台,广泛用于研发、生产、运营、销售、售后服务等企业核心流程。目前,石油、汽车、医疗、化纤、煤焦化、钢铁、交通等行业已经率先实践。
在汽车行业,中国第一汽车集团有限公司(以下简称“中国一汽”)应用华为云知识计算解决方案构建的一汽知识计算平台,基于业务场景,将知识便捷地、以数字化的方式呈现在眼前,快速提升员工能力。
通过使用一汽知识计算平台,一汽红旗某4S店的一次性修复率提升了4%,客户维修等待时间下降了23%,厂家支持介入率下降了30%,维修技师的培养时间缩短了30%。
中国第一汽车集团有限公司数字化部总经理郭永锋表示:“中国一汽把数字化转型作为集团转型升级的核心支撑。通过应用华为云知识计算解决方案,实现从过去的‘人找知识’,变为现在的‘知识找人’,助力员工快速成长为领域专家,推动集团的知识化转型。”
在钢铁行业,华新不锈钢基于华为云知识计算解决方案,将合金配料的行业知识与AI深度融合,构建AI模型,帮助合金配料工程师进行优化决策,找到符合钢水质量和经济效益的最优合金配料比例。实践显示,AI模型合金成分预测准确率可达95%以上,生产每吨不锈钢可降低成本100元,每年节省成本2000万元。
在交通行业,华为云携手交通管理部门运用知识计算,综合运用各类专业知识,通过道路实时信息反馈、整合专家的经验,经过AI运算形成一套系统化的控制方案,用于城市路口和区域的通行优化。目前,该方案正在深圳300多个路口进行验证,拥堵指数下降8%。未来,知识计算将进一步运用到道路、机场、地铁等立体化的交通治理。
在医疗行业,华为云与中科院北京基因组所韩大力教授团队合作,通过知识计算,将DNA羟甲基数据和经过大量研究实验积累的基因知识图谱进行整合计算,更加准确地识别出血液中的关键生物标记物,将早期诊断的准确性提升了9个百分点,有助于对食道癌患者的早期发现。
华为云知识计算解决方案从解决企业痛点、提升企业效率、提供知识化服务的角度全面赋能企业,让各行业的企业通过应用知识,释放知识化带来的红利,全面提升企业在智能化时代的竞争力。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。