多云互联的企业级智能数据平台公司Teradata (NYSE: TDC) 今日宣布,即日起,Vantage 能够运行外部创建的预测模型,又称作“模型共享”或“BYOM(Bring Your Own Model,自带模型)”。该举措进一步完善 Teradata 的战略分析框架,为数据驱动型企业大规模部署分析模型提供全面解决方案。BYOM能够加速模型上线,扩展分析用例,简化数据驱动型决策,帮助企业从分析模型开发工作中迅速获取更高的投资回报 (ROI)。
随着更多企业领导者意识到人工智能 (AI) 和机器学习 (ML) 是构筑行业竞争优势的基础,企业对 AI/ML 技术的投资迅猛增长。尽管如此,由于数据处理效率低下,许多企业仍难从 AI/ML 项目中获得显著回报。为应对这一挑战,Teradata 天睿公司创建战略分析框架 Analytics 1-2-3,帮助企业制定简单明晰的路线图,用以创建强大、高效且易于部署的流程,进而确保 AI/ML 项目达成目标并实现商业价值。
BYOM 功能进一步完善该框架,使更多的模型和分析算法可用于大规模部署。这意味着,通常在数据集有限的小型系统上创建的模型,现在可以部署在 Vantage 上做模型评分预测,充分利用 Vantage 高速、安全、一致的性能。
基于 BYOM 这项新功能,Analytics 1-2-3为 Teradata 天睿公司的客户提供了一种简便的方法,使其在面对任何数据量时都可以近乎实时地创建和运行任意数量的模型。
Teradata 天睿公司首席产品官 Hillary Ashton 表示:“随着我们的企业客户进一步探索 AI 在提高客户参与度、增加收入并降低风险和成本方面的可行性,他们需要一套面向当今复杂的现代化数据分析生态系统的解决方案。Teradata Vantage 所具备的灵活性和可扩展性,能够处理极复杂的企业工作负载,无论数据位于何处。现在,凭借新的 BYOM 功能,Vantage 可以帮助那些希望 AI/ML 投资能快速转化为价值的企业,解决其面临的最顽固的挑战。”
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。