至顶网CIO与应用频道 09月30日 北京消息:世界领先的独立研究机构Forrester在《2018年第三季度Forrester Wave™分析报告》中,将SAS评为多模态预测分析和机器学习解决方案的领导者。报告称“SAS打造了第一个真正的多模态预测分析和机器学习解决方案”,并称赞SAS完成了几乎不可能完成的工作。
“各个企业机构都急需应对复杂业务问题的解决方案,但是拥有专业技能的杰出数据科学家和分析专家却供不应求。”SAS人工智能与机器学习策略分析师Lorry Hardt表示:“SAS机器学习工具专为提升效率和便捷性而设计,涵盖了将原始数据转化为可实施性洞察的所有必要步骤,可同时满足从数据科学家到业务用户的需求。由于机器学习是人工智能技术的基础,随着越来越多的企业机构拥抱人工智能并期待人工智能带来的美好前景,SAS的专业技术价值也显得愈发重要。”
SAS®可视化数据挖掘和机器学习解决方案为用户提供了一个解决复杂分析问题的平台。基于数据预处理可视化高级分析与模型部署,该方案可以将整个机器学习过程(从数据访问/转换和预处理到评分)整合至一个系统环境中。SAS®可视化数据挖掘和机器学习解决方案在SAS®ViyaTM架构上运行,包含最新的统计、机器学习、深度学习和文本分析算法,可加速结构化和非结构化数据挖掘,同时支持流行的开源语言。
该报告指出:“SAS®可视化数据挖掘和机器学习平台允许用户对可视化机器学习管线和代码进行相互转换,并为自动化机器学习提供集成化的功能。所有这一切都整合在一个流畅的、可视化的、统一的环境中,其中还包含一系列经过精心设计的可视化工具,这些工具还在不断开发、优化中,用于创建模型以及深度神经网络。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。