谷歌在去年4月发布了Anthos,也就是重新命名的Cloud Services Platform。Anthos采用了Kubernetes技术,旨在承载可在现有本地硬件和公有云上未经修改地运行应用,从而让企业可以为每种应用选择最合适的基础设施。
Anthos应用部署在软件容器中,这些容器用于托管每个应用的组件,使这些组件更易于使用。对开发人员来说最大的好处在于,无论这些应用托管在什么基础设施上,开发人员只用一套工具就可以构建和部署应用,并根据需要推送更新。Kubernetes让管理容器化应用组成的大型集群变得更加轻松。
Google Cloud合作总监Rayn Veerubhotla和产品经理Manu Batra在博客中表示,存储是使用Anthos服务管理跨云部署的数据的一个关键考虑因素。
因此,谷歌为合作伙伴的存储解决方案提供了名为Anthos Ready Storage的认证计划。
Veerubhotla和Batra表示:“该计划认证了那些Anthos最高效地在本地运行所具备的一系列核心要求,帮助企业组织选择那些部署了Anthos的存储解决方案。”
这里说的要求包括能够演示Kubernetes的核心功能,例如通过开放和便携API动态配置存储卷,以及跨集群向上和向下扩展管理存储的能力。谷歌表示,经过认证的存储提供商还可以提供简化的部署体验。
Constellation Research分析师Holger Mueller表示,这一点将会受到Anthos用户的欢迎,因为即使是在云时代存储仍然是一项至关重要的能力,而且当你自己的数据中心也上云的时候,这一点就尤其重要。
Mueller说:“谷歌与值得信赖的供应商合作以提供Anthos存储,是很有意义的。这么做会把竞争对手变成竞合关系,因为传统的IT厂商现在可以与谷歌合作,以影响企业决策。总而言之,这是明智之举。”
Google Anthos的早期存储合作伙伴包括Dell EMC、HPE、NetApp、Portworx、Pure Storage和Robin Systems。
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。