6月25日,全球首届人工智能黑客马拉松(Global AI Hackathon)圆满落幕。经过28个小时的昼夜奋战,北京站15支团队共80名AI发烧友最终决出三大赛题的冠军。在美团云服务器及其GPU云主机高效计算力的支持下,乐得金融战队和天网战队包揽其中两项挑战的冠军。
美团云、阿里云受邀提供计算支持
本次赛事由全球性黑客马拉松组织者社区hackathon.com发起,在北京、旧金山、西雅图、纽约、巴黎、东京、慕尼黑、伦敦、阿姆斯特丹等全球范围内15个国际性城市同时举办,是全球范围内首次最大规模的人工智能黑客马拉松。北京站由全球人工智能信息服务平台机器之心承办,华院数据协办,共设三个赛题,分别为Business Challenge(MICROSOFT NOW)、Social Challenge(眼见为实)和Media Challenge(知人知面不知心)。
AI课题的挑战需要强大的计算能力对大量的数据进行分析和模型训练。为保障选手的计算资源与技术需求,美团云与阿里云受邀成为全球首届人工智能黑客马拉松北京站的战略合作伙伴,为参赛队伍提供高性能GPU云主机及PAI算法平台。
美团云助力斩获两项冠军
参赛的15支团队中,有11支团队选择使用美团云高性能GPU云主机完成挑战。最终,天网战队凭借“天网计划”夺得Social Challenge组冠军。这支来自网易的团队尝试用美团云GPU云主机做神经网络的训练,开发出一套在电商时代具有广泛用户需求的“易选优品”商品比价解决方案。
电商平台上商品质量良莠不齐、以假乱真,有些商家为了博取眼球,往往在同样商品的名称处进行部分的夸张修饰,给消费者造成比价困难的问题。“天网计划”可以对不同商家的某一类产品的多种性能进行横向比较。比如购买笔记本的客户可以勾选 i5 这一选项,系统会自动给出各商家的包含 i5 这一要求的产品的对比分析图,性价比一目了然。
Business Challenge题组的冠军——乐得金融战队使用美团云主机的数据存储及应用服务器,配合团队的创意,针对商务办公场景设计出一个人工智能会议助手“AIMI”。其亮点在于可以自动抓取与会人员发言的重点,对其进行总结,并快速发给所有参会人员,大大提升了会议效率。
借助美团云的高性能GPU云主机,参赛选手还开发出智能便利贴、情绪识别安保系统、学生课堂专注力识别等应用场景清晰、符合社会需求的产品模型。
高性能GPU也能很“经济”
美团云为此次人工智能黑客马拉松提供的高性能GPU云主机搭载了NVIDIA Tesla M60 GPU,并预装了TensorFlow 1.1-GPU框架和Keras 2.0.4框架。NVIDIA M60可灵活提供最高达4096个并行处理核心,16GB的GDDR5显存及9.7TFlops 的单精度峰值性能。
美团云GPU云主机可以灵活配置,并能与美团云的对象存储、MySQL数据库、云主机等产品无缝对接,满足多种场景的业务需求,如深度学习、仿真模拟、动画渲染、基因组学、地震分析、分子建模等。
人们普遍认为“高性能”即“高价格”,但是美团云GPU云主机始终坚持“高品质、低价格”的原则,采用秒级计费规则,是目前唯一一家按秒计费与包月价格一致的GPU云主机服务商。此外,美团云还提供 7×24 小时的专业运维服务,服务可用性达99.95%,数据可靠性不低于 99.9999%。
简单易用、极具价格优势的美团云GPU云主机为企业、开发者、AI研究人员节约了资金、学习及运维成本,让用户能够真正共享技术发展带来的“高品质、低价格”红利。
好文章,需要你的鼓励
Atlassian、Intuit和AWS三大企业巨头正在为智能代理时代做准备,重新思考软件构建方式。当前企业API为人类使用而设计,未来API将成为多模型原生接口。Intuit在QuickBooks中应用自动发票生成,使企业平均提前5天收款;AWS通过AI辅助迁移服务显著提升效率;Atlassian推出内部员工入职代理和客户代理,节省大量时间成本。专家强调需要建立强大的数据架构和信任机制。
这项研究首次系统评估了AI代码智能体在科学研究扩展方面的能力。研究团队设计了包含12个真实研究任务的REXBENCH基准,测试了九个先进AI智能体的表现。结果显示,即使最优秀的智能体成功率也仅为25%,远低于实用化要求,揭示了当前AI在处理复杂科学推理任务时的显著局限性。
MIT研究发现,使用生成式AI完成任务时,大脑运作方式与单纯依靠自身思考存在显著差异。研究显示,使用ChatGPT等工具的用户记忆力更差,神经连接活动减少,对所写内容的回忆能力明显下降。虽然AI工具能提高效率,但可能导致用户缺乏对知识的深度理解和掌控感。研究强调需要更多科学数据来了解AI使用对人类认知的长期影响。
俄罗斯莫斯科国立大学研究团队开发出MEMFOF光流估计新方法,在保持顶尖精度的同时将1080p视频分析的GPU内存消耗从8GB降至2GB,实现约4倍内存节省。该方法通过三帧策略、相关性体积优化和高分辨率训练在多个国际基准测试中取得第一名成绩,为高清视频分析技术的普及奠定基础。