全部新闻
正确完成机器学习实验
2024-12-02 19:24:59
提出了设计机器学习实验的详细指南，以确保可靠性和可重复性。本文重点介绍了机器学习研究中的常见问题，例如数据污染、挑选结果和错误报告统计数据。它提供了一个清单，涵盖目标设置、响应函数的选择、变量因素的识别、实验运行的描述、实验设计的选择（包括交叉验证、执行、分析和结论得出）。强调系统方法来管理可控因素并解释不可控因素的随机性对于可信的机器学习实验至关重要。
提出了设计机器学习实验的详细指南，以确保可靠性和可重复性。本文重点介绍了机器学习研究中的常见问题，例如数据污染、挑选结果和错误报告统计数据。它提供了一个清单，涵盖目标设置、响应函数的选择、变量因素的识别、实验运行的描述、实验设计的选择（包括交叉验证、执行、分析和结论得出）。强调系统方法来管理可控因素并解释不可控因素的随机性对于可信的机器学习实验至关重要。
通过人工智能更好的药物？Insitro 首席执行官谈机器学习可以教会大型制药公司什么
2024-12-02 19:12:54
制药行业正在探索人工智能（AI）作为加速药物发现的一种手段，但其有效性仍不确定。Insitro 成立于 2018 年，利用机器学习分析大型数据集，旨在更有效地开发新药，并与礼来 (Eli Lilly) 等公司合作。首席执行官达芙妮·科勒 (Daphne Koller) 讨论了人工智能如何帮助揭示疾病的复杂性并确定针对特定患者群体的有针对性的干预措施，由于数据解释的限制，传统医学研究可能无法轻易实现这种方法。
制药行业正在探索人工智能（AI）作为加速药物发现的一种手段，但其有效性仍不确定。Insitro 成立于 2018 年，利用机器学习分析大型数据集，旨在更有效地开发新药，并与礼来 (Eli Lilly) 等公司合作。首席执行官达芙妮·科勒 (Daphne Koller) 讨论了人工智能如何帮助揭示疾病的复杂性并确定针对特定患者群体的有针对性的干预措施，由于数据解释的限制，传统医学研究可能无法轻易实现这种方法。
通过人工智能更好的药物？Insitro 首席执行官谈机器学习可以教会大型制药公司什么
2024-12-02 19:12:00
人工智能正在改变各个行业的商业实践，但尽管进行了大量的研究投资，但尚未对药物开发产生重大影响。Insitro 成立于 2018 年，旨在利用对化学和生物标记物大型数据集的机器学习来加速药物发现。该公司与礼来公司等主要制药公司合作开发复杂疾病的治疗方法。首席执行官达芙妮·科勒 (Daphne Koller) 讨论了药物开发的挑战，强调需要更深入地了解生物系统，以及人工智能比人类专家更有效地分析大量数据的潜力。
人工智能正在改变各个行业的商业实践，但尽管进行了大量的研究投资，但尚未对药物开发产生重大影响。Insitro 成立于 2018 年，旨在利用对化学和生物标记物大型数据集的机器学习来加速药物发现。该公司与礼来公司等主要制药公司合作开发复杂疾病的治疗方法。首席执行官达芙妮·科勒 (Daphne Koller) 讨论了药物开发的挑战，强调需要更深入地了解生物系统，以及人工智能比人类专家更有效地分析大量数据的潜力。
“AI Inside”为垂直SaaS开辟新市场 |安德森霍洛维茨
2024-12-02 18:47:40
在本系列的第二部分中，我们讨论了 AI 如何帮助垂直 SaaS (VSaaS) 公司扩展到以前对于软件解决方案来说过于复杂或较小的领域。通过 AI，VSaaS 可以降低销售、营销和运营方面的劳动力成本，从而将每个客户的收入提高多达 10 倍。这使得新的利基市场得以开放，例如脊椎按摩服务、干洗、兽医护理等，这些市场曾经被认为太小了。通过软件自动化提高 LTV 并通过人工智能驱动的工具降低 CAC，VSaaS 现在可以解决以前因规模限制而被忽视的更广泛的行业。文章重点介绍了兽医行业等具体例子，该行业为 2.8 万家公司花费了 138 亿美元的劳动力，这展示了曾经被认为太小众或太小的市场的潜力。
在本系列的第二部分中，我们讨论了 AI 如何帮助垂直 SaaS (VSaaS) 公司扩展到以前对于软件解决方案来说过于复杂或较小的领域。通过 AI，VSaaS 可以降低销售、营销和运营方面的劳动力成本，从而将每个客户的收入提高多达 10 倍。这使得新的利基市场得以开放，例如脊椎按摩服务、干洗、兽医护理等，这些市场曾经被认为太小了。通过软件自动化提高 LTV 并通过人工智能驱动的工具降低 CAC，VSaaS 现在可以解决以前因规模限制而被忽视的更广泛的行业。文章重点介绍了兽医行业等具体例子，该行业为 2.8 万家公司花费了 138 亿美元的劳动力，这展示了曾经被认为太小众或太小的市场的潜力。
英伟达最接近的竞争对手在人工智能性能方面再次碾压云巨头；在 Llama 3.1 405B 上，Cerebras Inference 比 AWS 快 75 倍，比 Google 快 32 倍
2024-12-02 18:33:00
Cerebras Systems 借助 Meta 的 Llama 3.1 405B 模型树立了 AI 性能的新基准，每秒处理 969 个令牌，比主要超大规模提供商基于 GPU 的系统快 75 倍，延迟速度是 Google Vertex 的两倍（240 毫秒 vs 430 毫秒）。Cerebras Inference 系统在配备 WSE-3 AI 处理器的 CS-3 上运行，支持 16 位精度的完整 128K 上下文长度。Meta 的 GenAI 副总裁称赞这一成就推动了开源创新，并使开发人员更容易获得超快速推理。客户试用正在进行中，预计将于 2025 年第一季度全面上市。
Cerebras Systems 借助 Meta 的 Llama 3.1 405B 模型树立了 AI 性能的新基准，每秒处理 969 个令牌，比主要超大规模提供商基于 GPU 的系统快 75 倍，延迟速度是 Google Vertex 的两倍（240 毫秒 vs 430 毫秒）。Cerebras Inference 系统在配备 WSE-3 AI 处理器的 CS-3 上运行，支持 16 位精度的完整 128K 上下文长度。Meta 的 GenAI 副总裁称赞这一成就推动了开源创新，并使开发人员更容易获得超快速推理。客户试用正在进行中，预计将于 2025 年第一季度全面上市。
Meta 分享对其基于人工智能的广告元素性能的见解
2024-12-02 18:31:30
Meta 鼓励广告商使用其自动化 Advantage+ 活动和基于人工智能的广告创建工具来提高效果。该公司新的“Andromeda”系统改进了广告个性化和定位，选定细分市场的召回率提高了 6%，广告质量提高了 8%。采用 Advantage+ 的广告商的 ROAS 提高了 22%。此外，在广告中使用人工智能图像生成的企业报告转化率增加了 7%。超过 100 万广告商使用 Meta 的生成式 AI 工具每月制作超过 1500 万条广告。
Meta 鼓励广告商使用其自动化 Advantage+ 活动和基于人工智能的广告创建工具来提高效果。该公司新的“Andromeda”系统改进了广告个性化和定位，选定细分市场的召回率提高了 6%，广告质量提高了 8%。采用 Advantage+ 的广告商的 ROAS 提高了 22%。此外，在广告中使用人工智能图像生成的企业报告转化率增加了 7%。超过 100 万广告商使用 Meta 的生成式 AI 工具每月制作超过 1500 万条广告。
Amazon Finance Automation 如何使用 Amazon Bedrock 构建生成式 AI 问答聊天助手 |亚马逊网络服务
2024-12-02 18:11:18
### 提高检索增强生成 (RAG) 的准确性#### 初始设置和挑战最初，我们使用 Amazon Bedrock 上的大型语言模型 (LLM) 开发了检索增强生成 (RAG) 管道，为 Amazon Finance Automation 创建生成式 AI 问答聊天助手。我们的初始准确率为 49%，这凸显了几个挑战：1. **幻觉**：模型有时会生成不正确或不相关的信息。2. **文档摄取问题**：正确摄取和分割文档至关重要但具有挑战性。3. **上下文检索不准确**：检索系统需要改进以确保相关上下文得到适当的排名。#### 迭代改进步骤##### 第 1 步：快速工程我们首先改进了即时工程技术，其中包括：- **自定义提示**：针对特定用例定制提示并确保它们为模型提供清晰的说明。- **便笺推理**：鼓励模型通过便笺机制推理相关性和上下文。通过实施这些策略，我们将 RAG 准确率从 49% 提高到 64%。##### 步骤 2：文档分割接下来，我们改进了文档分割方法：- **分割技术**：将文档分解为更小、更易于管理的部分。- **元数据集成**：包括每个片段的相关元数据（例如日期、标题）。这提高了上下文检索的准确性，但仍然面临局限性。相关性得分约为 55-65%，不正确的上下文通常排名靠前。##### 步骤 3：嵌入模型选择我们尝试了各种嵌入模型来增强检索系统：- **bge-base-en-v1.5**：上下文嵌入模型，其性能优于“all-mpnet-base-v2”等替代方案。- **Amazon Titan Text Embeddings G1**：该模型显着提高了上下文检索的准确性，从 55–65% 提高到 75–80%。通过采用 Amazon Titan Text Embeddings G1 模型，我们进一步将 RAG 准确率提高到 86%。#### 结果和结论通过持续评估和迭代改进，我们的流程取得了显着的准确性提升：- **初始准确度**：49%- **经过即时工程**：64%- **改进文档分割**：76%- **最终准确率（使用 Amazon Titan 文本嵌入 G1）**：86%这一旅程证明了结构化方法对于完善 RAG 系统（从初始设置到迭代优化和模型选择）的重要性。我们的解决方案可以作为其他希望增强检索增强生成应用程序的人的蓝图。---### 关于作者- **Soheb Moin**：亚马逊软件开发工程师，专门从事生成式人工智能和大数据分析。- **Nitin Arora**：高级软件开发经理，在构建财务自动化关键业务软件解决方案方面拥有丰富的经验。- **Yunfei Bai**：AWS 首席解决方案架构师，专注于 AI/ML 和数据科学以交付业务成果。- **Kumar Satyen Gaurav**：软件开发经理，拥有亚马逊财务运营大数据分析和软件开发方面的专业知识。- **Mohak Chugh**：软件开发工程师，利用生成式人工智能和大数据技术实现 RAG 聊天机器人和高性能数据协调。- **Parth Bavishi**：高级产品经理，推动亚马逊财务自动化内生成人工智能功能的创新。
### 提高检索增强生成 (RAG) 的准确性#### 初始设置和挑战最初，我们使用 Amazon Bedrock 上的大型语言模型 (LLM) 开发了检索增强生成 (RAG) 管道，为 Amazon Finance Automation 创建生成式 AI 问答聊天助手。我们的初始准确率为 49%，这凸显了几个挑战：1. **幻觉**：模型有时会生成不正确或不相关的信息。2. **文档摄取问题**：正确摄取和分割文档至关重要但具有挑战性。3. **上下文检索不准确**：检索系统需要改进以确保相关上下文得到适当的排名。#### 迭代改进步骤##### 第 1 步：快速工程我们首先改进了即时工程技术，其中包括：- **自定义提示**：针对特定用例定制提示并确保它们为模型提供清晰的说明。- **便笺推理**：鼓励模型通过便笺机制推理相关性和上下文。通过实施这些策略，我们将 RAG 准确率从 49% 提高到 64%。##### 步骤 2：文档分割接下来，我们改进了文档分割方法：- **分割技术**：将文档分解为更小、更易于管理的部分。- **元数据集成**：包括每个片段的相关元数据（例如日期、标题）。这提高了上下文检索的准确性，但仍然面临局限性。相关性得分约为 55-65%，不正确的上下文通常排名靠前。##### 步骤 3：嵌入模型选择我们尝试了各种嵌入模型来增强检索系统：- **bge-base-en-v1.5**：上下文嵌入模型，其性能优于“all-mpnet-base-v2”等替代方案。- **Amazon Titan Text Embeddings G1**：该模型显着提高了上下文检索的准确性，从 55–65% 提高到 75–80%。通过采用 Amazon Titan Text Embeddings G1 模型，我们进一步将 RAG 准确率提高到 86%。#### 结果和结论通过持续评估和迭代改进，我们的流程取得了显着的准确性提升：- **初始准确度**：49%- **经过即时工程**：64%- **改进文档分割**：76%- **最终准确率（使用 Amazon Titan 文本嵌入 G1）**：86%这一旅程证明了结构化方法对于完善 RAG 系统（从初始设置到迭代优化和模型选择）的重要性。我们的解决方案可以作为其他希望增强检索增强生成应用程序的人的蓝图。---### 关于作者- **Soheb Moin**：亚马逊软件开发工程师，专门从事生成式人工智能和大数据分析。- **Nitin Arora**：高级软件开发经理，在构建财务自动化关键业务软件解决方案方面拥有丰富的经验。- **Yunfei Bai**：AWS 首席解决方案架构师，专注于 AI/ML 和数据科学以交付业务成果。- **Kumar Satyen Gaurav**：软件开发经理，拥有亚马逊财务运营大数据分析和软件开发方面的专业知识。- **Mohak Chugh**：软件开发工程师，利用生成式人工智能和大数据技术实现 RAG 聊天机器人和高性能数据协调。- **Parth Bavishi**：高级产品经理，推动亚马逊财务自动化内生成人工智能功能的创新。
为什么2024年股市超出预期
2024-12-02 17:40:00
在人工智能股票和多元化行业上涨的推动下，标准普尔 500 指数在 2024 年飙升了 27%，有望创下 2019 年以来的最佳表现。最初的预测较为温和，但经济增长、强劲的企业盈利、通胀下降、降息、政治不确定性的解决以及持续的人工智能创新提振了市场情绪。金融、公用事业、工业和科技板块均出现显着上涨。策略师仍然看好 2025 年，预计经济周期扩大和央行宽松政策将进一步推动股市上涨。
在人工智能股票和多元化行业上涨的推动下，标准普尔 500 指数在 2024 年飙升了 27%，有望创下 2019 年以来的最佳表现。最初的预测较为温和，但经济增长、强劲的企业盈利、通胀下降、降息、政治不确定性的解决以及持续的人工智能创新提振了市场情绪。金融、公用事业、工业和科技板块均出现显着上涨。策略师仍然看好 2025 年，预计经济周期扩大和央行宽松政策将进一步推动股市上涨。
为什么超过 140,000 名开发人员参加了我们为期五天的生成式 AI 课程
2024-12-02 17:09:51
Google 和 Kaggle 推出了为期五天的免费 GenAI 强化课程，旨在帮助开发人员和爱好者培养生成式 AI 技能。该课程通过日常作业、播客、Google 专家直播以及 Gemini 和 Vertex AI 等平台上的实用代码实验室，提供理论知识、实践学习和社区参与的结合。20 天内就有超过 140,000 人注册，使其成为有史以来举办的最大规模的开发者活动之一。现在可以为那些错过现场课程的人提供自定进度版本作为 Kaggle 学习指南。
Google 和 Kaggle 推出了为期五天的免费 GenAI 强化课程，旨在帮助开发人员和爱好者培养生成式 AI 技能。该课程通过日常作业、播客、Google 专家直播以及 Gemini 和 Vertex AI 等平台上的实用代码实验室，提供理论知识、实践学习和社区参与的结合。20 天内就有超过 140,000 人注册，使其成为有史以来举办的最大规模的开发者活动之一。现在可以为那些错过现场课程的人提供自定进度版本作为 Kaggle 学习指南。
D-2 轮公开募集 1.35 亿美元用于人工智能驱动投资
2024-12-02 16:39:54
随着人工智能研究功能的采用急剧增长，公共投资平台筹集了 1.35 亿美元的股权和债务融资。D-2 轮融资包括 1.05 亿美元的股本和 3000 万美元的债务，由 Accel 领投。Public 提供免佣金部分股票投资、社交功能、加密货币、国债等。其嵌入式人工智能研究工具Alpha被超过90%的会员使用。该公司预计代际财富转移将出现显着增长，数字原住民更喜欢自主投资工具。
随着人工智能研究功能的采用急剧增长，公共投资平台筹集了 1.35 亿美元的股权和债务融资。D-2 轮融资包括 1.05 亿美元的股本和 3000 万美元的债务，由 Accel 领投。Public 提供免佣金部分股票投资、社交功能、加密货币、国债等。其嵌入式人工智能研究工具Alpha被超过90%的会员使用。该公司预计代际财富转移将出现显着增长，数字原住民更喜欢自主投资工具。