昨天,亚马逊云科技2023 re:Invent全球大会在拉斯维加斯举行。在一系列发布中最吸引眼球的要数生成式AI助手Amazon Q,Amazon Q专注于办公场景,此举也意味着亚马逊云科技正式加入了与微软、谷歌在聊天机器人上的比拼。活动中亚马逊云科技还推出了下一代自研芯片AWS Graviton4和AWS Trainium2,前者基于Arm架构,后者则是量子芯片。现场,英伟达CEO黄仁勋教主也亮相为其站台。
“有意见”留言板
@卡卡卡卡西:亚马逊虽然自研了芯片,但依然需要与英伟达合作,支持英伟达的GPU,作为规模化、集约型产业,自研芯片将会是未来头部科技企业的一项核心竞争力。
@好多星星:安全一直是云计算领域的焦点话题,也是各行各业企业在上云过程中最为关注的话题之一。数据上云,如何保证在业务流程顺利进行的前提下,尽可能地确保数据、信息的安全自然成为各大云厂商抢占市场的重要抓手。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。