展开

关键词

两年前被微软收的 Bonsai,成为了 Build 2020 的重要杀器

大会第一天,发布了多个重磅新品,包括 AI 超级计算机、 AI 开发平台 Bonsai 项目等,我们从中可一窥微软的 AI 布局。 Bonsai 使用分解任务的方法,提高了培效率和灵活性2018 年 6 月,微软对外宣布收 Bonsai,并称其打造了智能的「大脑」。? 通过这次收,微软将 Bonsai 与 Azure 相结合,可以更好地将其产品推广到制造、医疗保健和汽车等各种垂直行,为后者构建强大的自主。 Project Bonsai 是炼成的Project Bonsai 开发平台,最主要的目的在于,在实际使用之前,提供作为自主机器的安全、可重复的试验场,协助应用的开发。 该引擎会自动择最佳的算法来模型,铺设神经网络并调整其参数。并且该平台可并行运行多个模拟,以减少时间,通过 Bonsai 提供的库将好的模型的预测结果流向软件或硬件。

22130

20亿美元收AI芯片公司Habana Labs

具体来说,通过高性能处理器列产品和基于标准的编程环境,Habana Labs大大增强了我们数据中心人智能产品的实力,以应对不断变化的人智能负载。” 2016年,英特尔收了边缘和视觉AI公司Movidius。同年,英特尔(据称以3.5亿美元)收了Nervana,以进军深度学习芯片市场。 此前,Habana推出了两种针对AI和机器学习作负载的硅产品:Gaudi AI 芯片和Goya AI 推理芯片。 其中Gaudi的处理能力比拥有相同数量的GPU高4倍,Goya芯片在ResNet-50模型的推理测试中性能技术是NVIDIA Tesla T4的4倍。 Gaudi AI 芯片与Nervana相似,Gaudi的体架构也基于Tensor处理器内核(TPC),在1TBps的速率下搭载32GB的HBM2,支持PCIe 4.0,还支持流行的DL数字格式,例

27520
  • 广告
    关闭

    50+款云产品免费体验

    提供包括云服务器,云数据库在内的50+款云计算产品。打造一站式的云产品试用服务,助力开发者和企业零门槛上云。

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    3 个重要因素,带你看透 AI 技术架构方案的可行性!

    1、首先需要采集模型所需要的数据,这些数据有可能来自本身,CTR预估任务中的用户点击数据、用户下单数据等;也有可能来外部,公开买或自主爬取,图片分类任务中的图片、NLP任务中的语料等 总结一下,经过数据采集、加处理、特征择、数据预处理、模型、模型评估、模型应用几个环节,数据跨过、数据平台、算法模型三个,形成一个闭环,最终又应用到中,这就构成了整个AI架构的核心 对于的默认策略,采用基于人的、配置的方案,同时保留策略扩展接口,随着将来务要求的增高,再引入“基于AI的策略”。这样即控制了当前的成本,又平衡了的扩展性。? 无论是计算资源还是架构,上一套AI架构的解决方案都是需要投入相当大的成本的,择得当,在一个合适的场景下,AI也是能带来相当不错的收益;但果入不敷出,AI架构的解决方案就要慎重了。 最后,技术人员储备和法律因素也是上AI架构前需要考量的问题,前阵子还发生了国家信部约谈AI换脸应用企的事件。 AI是一场浪潮,它不仅带来了新的技术和行,也给了老焕发新生命活力的机会。

    39520

    【周一AI资讯】机器学习助力多个领域攻坚

    01图像识别:Facebook用宠物照片AIFacebook研究人员使用35亿公众Instagram照片来算法,以便为自己分类图像。 (via Techmeme)04 AI与物联网:诺基亚将在物联网务中使用AI 诺基亚上周表示,由于未能将其发展成为一家大型企,该公司正在出售其数字医疗务,但本周芬兰分公司本周宣布进行一项收,强调其在物联网领域的翻番 诺基亚收了SpaceTime Insight,这是一家位于加州的物联网创公司,提供基于机器学习算法的预测分析。(via Wired)国内资讯精 ? 01OpenAI:AI 和 AI 吵架反倒可以带来安全由于人类直接决定辩论胜负,所以人类可以让 AI 的价值取向始终与人类保持一致,作者认为这种方法可以保证 AI 的安全。 雷我们使人类能够有效地监督先进的 AI 呢?一种方法是利用 AI 自身来辅助监督,即要求 AI 指出所有自身行为中存在的缺陷。

    16230

    郭律: 论机器学习平台与人智能的关

    从上海交通大学模式识别与智能博士毕后,先后就职于IBM、普华永道从事IT架构、咨询方面的作,对机器学习与金融、零售等务场景的结合具有深刻理解,帮助学员掌握利用具解决实际务中面临的机器学习问题 这涉及到做算法人才、把算法在程中实现的人才、产品化的人才以及将AI集成的人才,这些人都属于AI人才。第四个条件是技术能力。包含了计算资源、存储、网络以及和的集成。 AI果不能跟企集成在一起是没有务价值的。4.png刚才说的是机器学习的4个要素,接下来举例说明这4个要素在不同场景当中的体现。 另外他们关心模型建好以后,集成,数据闭环实现。数据闭环是为了防止模型衰减,保证模型上线后能够迭代以保持效果,这也是这个层级的用户会关心的事情。 现在随随便便一个神经网络几十层,计算量都是很大的,这就是为什么深度学习需要用GPU的原因,用matlab的话计算能力会有问题,不出来。 附件下:郭律 论机器学习平台与人智能的关.pdf

    77440

    【技术分享】郭律: 论机器学习平台与人智能的关

    这涉及到做算法人才、把算法在程中实现的人才、产品化的人才以及将AI集成的人才,这些人都属于AI人才。第四个条件是技术能力。包含了计算资源、存储、网络以及和的集成。 AI果不能跟企集成在一起是没有务价值的。刚才说的是机器学习的4个要素,接下来举例说明这4个要素在不同场景当中的体现。 ;又商品个性化推荐,很多人在京东买手机以后,京东会推荐手机膜、耳机、储存卡等商品,这些推荐会根据其他用户择或该用户买历史以及跟该商品有关联的其他商品做推荐。 另外他们关心模型建好以后,集成,数据闭环实现。数据闭环是为了防止模型衰减,保证模型上线后能够迭代以保持效果,这也是这个层级的用户会关心的事情。 以上这些场景大多比较特殊,只能通过机器学习平台自己这样的模型。Q&AQ1:腾讯的AI定义是什么?从最早的AI识别,到大数据,建模放在AI当中,现在更多的是讲深度学习和机器学习,我不太清楚。

    632141

    优必和曼城母公司收四川九牛,瞄准的是科技+体育的趋势

    AI机器人的优必,牵头收足球俱乐部,有人看来这有点不务正,朋友圈干脆有人评价:看不懂。?优必不是第一家跨界足球的科技公司。 球星们不再只是凭借感觉去踢球,踢球,射门,都有专科学团队保障,用数据和技术来支撑。科技在足球运动中扮演的角色日益重要,从日常到赛事装备再到赛事裁判,都有大量的科技在背后支撑。 故事很庞大,饭却要一口一口地吃,第一阶段,优必在足球上的落地将从教育、青和俱乐部经营上展开。 优必玩转足球?首先,优必在科技+教育上已布局多时。 优必在少儿校内人智能教育上积累深厚,不仅推出了STEM教育智能编程机器人Jimu Robot,还具备完善的人智能和机器人教育解决方案,在全国各地多处学校落地,基于此其已在智能足球作辅助上布局 以人智能为例,未来,人智能将能够绘制每个手的轨迹,并记录手的速度和跟踪手的场上姿态。

    36310

    智能安全:是营销炒作还是全新机会

    数据治理的质量直接影响AI安全的效果和质量,AI供应商往往不向用户预先强调这一点,使得AI的应用与安全很难见效。 常见的可商AI技术图1所示。图1 常见AI技术 ▌分析鉴别AI供应商的真实能力,确定他们是否对现有有可观的改进企安全负责人应审慎地看待基于AI技术的产品宣传。 果使用得当,AI具就是一个能力倍增器,可以一执行数十或数百名专家的作,可以快速可靠地部署多个方向的多项任务。有素的人智能的处理速度比专家团队快几个数量级。 然而,这个模型可以被看作是对一些常见领域中效益处和风险的抽象,我们可以用它来理解在企安全中评估AI产品的基本流程(参见图2)。图2 评估AI产品的基本流程AI从大量数据开始,或称为集。 特征向量通常包含了太多细分维度的特征值,很难被任其他或人类识别。这样,机器学习算法被成预测模型,他对验证集数据的预测结果和已知的标定结果进行比对,可以获得这个模型预测的精度。

    32050

    智能与区块链交换了眼神儿,之后呢……

    最终,永及其团队择通过区块链技术为人智能搭建一个计算网络的方式,即深脑链(DBC),来解决人智能企算力成本以及数据隐私等问题。?这个“人智能+区块链”合力作用的计算网络究竟玄机在? 对于参与 AI 和挖矿行为的企和个人,果存在恶意指令检测或者恶意行为检测等,将会考虑被扣除保证金。 据悉,挖矿节点主要由计算引擎、镜像管理、存储管理、身份服务引擎、网络管理引擎等几部分构成。 正式网上线后,AI就可以在深脑链正式网进行真实 AI ,使用 DBC 代币支付费用并用于AI 算力资源,预计要节省 70% 的算力成本,还可以完成构建 AI 解决方案的目标;此外,整个过程中 ,算力提供方可获得 DBC 奖励,企可托管 AI 模型和 AI 数据,形成有序生态闭环。

    16910

    智能时代芯片产3个不容忽视的趋势

    他们都在寻找一种可以加速智能手机以及其它设备的AI的新型芯片。这些公司的任择都会产生很大的影响,因为他们的在线务是此巨大。 他们比地球上任其它公司买或运营的计算机硬件都要多,而且随着云计算的重要性持续增加,这个差距也只会越来越大。果Google择某一种处理器而不是另一种,将会从根本上改变芯片行。 第一个是阶段,这个阶段中Google之类的公司神经网络来执行特定的任务,例识别照片中的人脸,或把一种语言翻译成另一种语言。 现阶段,GPU是的最佳择。 微软就这个发表了一篇研究论文后,他在英伟达CEO黄仁勋家里开了一瓶香槟庆祝。但企还需要能够快速执行神经网络的芯片,这个执行过程称为推断。Google为此专门打造了TPU,微软使用FPGA。

    39060

    【巨头豪赌AI云】谷歌、微软、亚马逊押注MLaaS,三家战略、战术大阅兵

    那么,MLaaS提供了一个更简单的择:采取捷径,使用预的神经网络来处理由主要云服务提供商提供的图像,视频,语音和自然语言数据。 为每个开发人员提供最具成本效益的云基础架构,无论开发人员择哪种CPU,GPU或AI 框架。总结首先,无论这些AI服务好,企都需要认识到MLaaS的局限性。问题当然在于细节。 果预好的网络作为一种服务不能充分地包含你想要识别的面孔,词汇和对象呢?果要在自己的基础架构上运行AI应用程序,将所有有价值的数据都保存在本地,至少看起来是安全的? 科技巨头破解巨头垄断《经济学人》近日发表一篇评论称,谷歌、微软和Facebook三家巨头的垄断地位对消费者和行竞争本身都不是好事。曾几时,担任西方一家科技公司的老板是一份令人艳羡的作。 欧盟委员会指控谷歌使用其移动操作Android的控制权来提供自己的应用程序。

    51860

    专访 | 英特尔收Nervana后的第一张王牌Lake Crest,号称比GPU速度快10倍,年底测试

    在被问到目前的作状态和Nervana被收前有不同时,Andres表示他们的作模式其实并没有发生特别大的变化,仍保持着一个初创企勇往直前的状态。 AI科技大本营:果现在你自己有一个神经网络的需求,你会怎么为自己择一款芯片呢? Andres Rodriguez:答案是肯定的,路线图我们有一个既定的规划,除了传的计算以及和推理之外,我们还会建立起更加完善的深度学习生态的规划。 Andres Rodriguez:可以说目前为止英特尔人智能产品事部的整个领导层跟我们之前Nervana 没有什么太大的变化。 举个例子,我们与谷歌TensorFlow的优化就是在整个AIPG事部带领下实现的,所以说AIPG有一个更大的市场。对中国AI芯片公司的看法AI科技大本营:请问你看待中国本土的AI芯片?

    36650

    网络培靶场的发展态势综述

    有了这样的逼真仿真环境,在根据安全培的要求构建安全事件以及培流程,比网络安全人员防御关键网络设施受到攻击,以及针对假定目标实施网络攻击。 我也看见有些靶场建设建设方也直接将靶场导调独立出白方的模式,但是不管,从网络培靶场角色的职责设立上看,靶场导调是归属靶场白方的一个具和子,是白方或白队成员实现靶场的有力管控具 因此,解决此反复枯燥无味的呢?我们说人智能是机器的兴起,是机器代替人类来实现重复枯燥无趣的作的特征之一。 此外,人智能的另外一大应用就是聊天机器人,在网络安全中引入AI聊天机器人,可用于在模拟过程中指导用户处理事件或提供有关实现所事件的更多信息。 特定于靶场的其他资产可能包括特定的目标,战术或任务以及相关的基础结构。人员:核心数据中心服务运营商团队,例管理员、程师和管理人员。

    80820

    实施成功的AI:从小开始,快速扩展

    大多数企都缺乏AI改变运营的愿景。 制定总体人智能战略一些人认为企不需要逐渐采用人智能,而是需要制定一个总体战略,以便将人智能随着时间的推移嵌入其组织。 最后,存在高风险和高价值的活动,即市场上没有解决方案的未知领域,例使用AI来推动新产品开发。 最后两个类别可能涉及建立内部解决方案或通过收买专知识。 “我宁愿企看一个孤立的用例,附加一个人智能,这样你就可以将20%到30%的预算用在技术上,但是60%到70%的预算都用在人们身上。” 最大的问题是AI? Waite先生认为,一个重要的领域是企高级人智能与公众互动并执行任务。 人智能的挑战不在于实现;最大的问题是智能?最重要的是,你它反对性别、性、种族或政治议程的偏见? 在制定面向未来的战略和实现AI的正常运行之间取得适当的平衡将是管理层走上这一革命道路时的重要考虑因素。

    323120

    【英伟达要担心亚马逊造 AI 芯片吗?】谷歌、苹果、微软、亚马逊AI芯片对比

    智能(AI)的兴起引发了各种各样的军备竞赛,其中最大的技术公司正在寻求从新兴技术中受益。英伟达公司一直是这一趋势的最大受益者之一,因为其图形处理器(GPU)是AI的早期择。 GPU能够同时执行大量复杂数学运算,这使它成为AI应用的完美择。英伟达的数据中心务已经出现爆炸式增长,连续七个季度实现了三位数的同比增长,其股价自2015年初以来已上涨超过1,000%。 亚马逊目前拥有超过450名拥有一定程度的芯片经验的员,该公司可能开发其他专芯片。该报告还暗示,亚马逊可能正在为其云计算部门AWS开发AI处理器。 该芯片为TensorFlow奠定了基础,TensorFlow是用于该公司的AI的框架。最新版本的TPU可以处理AI和推理阶段。 正其名称所示,AI阶段“学习”,推理阶段则是算法完成它们被作。谷歌最近宣布,谷歌云的客户现在可以访问这些处理器。

    40190

    数据科学,机器学习和人智能有什么区别?

    一些我认为定义AI包括:棋类算法(Deep Blue,AlphaGo)机器人控制理论(运动规划,行走双足机器人)优化(Google地图择路线)自然语言处理(bots 注2)强化学习我们可以看到人智能 (AI)与其他领域有很多重叠,深度学习就是跨越ML和AI领域的,深度学习典型的场景就是对数据进行,然后预测结果,这在AlphaGo等棋类比赛算法中获得了巨大的成功。 (这与早期的游戏形成鲜明对比,比Deep Blue,它更专注于探索和优化下期策略)。人智能和其他领域也是有区别的。 请、请、请(重要的事情说三遍)不要把用算法说成“我利用了AI能力”- Dave Gershgorn(@davegershgorn)2017年9月18日人智能和机器学习之间的区别有点微妙,历史上ML 我们构建了包含数百万街头物体照片的数据集,并对算法进行了,以预测哪些物体中有停止标识。人智能:一旦我们的汽车可以识别停车标识,它需要决定时采取刹车措施。

    38350

    “知天命”的英特尔不想认命

    而在芯片设计方面,英特尔推出了一个一的、简化的编程模型——oneAPI ,开发者可以在 oneAPI 上自由择架构进行芯片设计,在使用不同的代码库、编程语言、编程具和作流程时,会变得更加简单。 当大数据与 AI 的界限随技术发展愈发模糊,传开始纷纷与 AI 公司合作求突破的时候,英特尔也开始了与传赋能方向的探索。 这一次 Habana 和 AWS 联合发布的信息,给了大家一个新的择,在端我们确实可以通过不同的架构来实现对 AI 的加速,同时在不同的架构中,也可能会给客户带来更不一样的体验。 仅就 AWS 来说,于明扬告诉 InfoQ:“AWS 择 Habana 是两个考虑,一个是性价比,尤其是在上,目前 Habana 是在上性价比唯一能够对英伟达形成挑战的。 而对于英特尔来说,AI 仍然是需要大力加注的方向,利用 AI 芯片在这一领域突破英伟达等公司的独占,就显得尤为重要。

    13720

    IJCAI 2018 广告算法大赛落下帷幕,Top 3 方案出炉

    雷锋网看到,来自京东尚科,天池代号为「plants」的手获得冠军,IJCAI-17 冠军团队获得者周耀、郭鹏博以及李智获得季军,浙江大学陈波成、中南大学罗宾理和天津大学吴昊组成的「躺分队」获得第三名 在方案中,他们主要讨论了异常日期处理问题,主要思路下:难点与挑战这次比赛的难点有二,一是在正常流量数据中,找到适合表达促销突变的特征;二是在模型择上,找到尽快落地于界的轻量级框架。 四种集划分针对此问题,他们根据对数据的分析、特征的构建、以及对实际场景的思考,提出了四种集划分:1. 全量计特征提取第七天特征——all-to-7 2. 全量数据——all构造四种集划分的目的下: 1)构造出集中的差异性,方便模型融合 2)在每组集中,对高维特征进行择,择后进行特征分组特征程:首先执行下三步操作: 上述基础特征分列去掉取值变化小的列去掉缺失值过多的列 2)利用 StdMean 集测试集分布一致的思想,进行特征择,保证线上线下特征的一致性。模型择及融合分组后对不同的模型进行,构造组内特征的差异性,模型的差异性 。

    41230

    2012年来AI计算量暴增30万倍!王恩东院士:算力就是生产力

    ---- 新智元报道 编辑:木青 【新智元导读】从2012年至今,AI所用的计算量扩大了30万倍;互联网巨头们在服务器采上也投入巨大,计算力已成为社会的主要生产力。 短短十年,传在经济上的霸主地位基本就被互联网企取代。在人智能浪潮下,今的产变化更是需要以月来划分。 据了解,在AI模型过程中,人参数调整耗时与机器运行耗时大约分别占80%和20%,果平台性能提高一倍,那么迭代周期就能缩短10%左右。因此,人智能所需计算量一直处于高速增长状态。 传转型AI存在鸿沟。当前,传AI转型面临AI人才、技术等问题。传用户AI人才短缺,同时没有技术能力进行算法开发、模型择、算法优化、实施部署等具体作,应用瓶颈普遍存在于各个行。 例百度提出ABC三位一体战略,全力推进新兴技术与各行的深度融合;浪潮则致力于构建深入行的生态,强化产品创新能力,针对关键场景开发AI计算软硬件,提供端到端AI方案及开发具赋能行应用。

    29930

    哈佛神经机器翻译 OpenNMT 更新等 | 开发者头条

    哈佛大学神经机器翻译 OpenNMT 新版本发布癌症检测突破!谷歌深度学习算法的乳腺癌检测准确率超病理科大夫两大 AI 平台联手! IBM Watson 与 Salesforce“爱因斯坦”进行对接布朗大学人机交互新算法,让 AI 学会提问每日推荐阅读博弈论与深度学习█ 哈佛大学神经机器翻译 OpenNMT 新版本发布? 试验性的数据采样技术,能在每个周期集的一个子集,以更快的收敛。 它是 Salesforce 对其客户关管理软件进行数据挖掘、提取客户买习惯的 AI。 而该多代理路线的核心课题是:控制代理的行为。该领域研究经验最丰富的,是分别被谷歌收的 Deepmind 和微软收的 Maluuba。这篇并不长的文章,简要介绍了这两家公司的主要实验模型。

    43380

    相关产品

    • 智能钛工业 AI 平台

      智能钛工业 AI 平台

      智能钛工业 AI 平台(TI-Insight)是基于智能钛基础功能打造的一站式工业 AI 平台方案,包含 AI 训练系统和 AI 推理系统两个功能组件。本平台提供了包含数据工厂、内置通用/行业算法库、模型迭代训练引擎、基于题库测试的模型评估引擎、多版本模型对比分析、模型微服务管理和部署、硬件资源优化调度与管理等全栈 AI 能力。

    相关资讯

    热门标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      扫码关注云+社区

      领取腾讯云代金券