至顶网网络频道 06月20日 编译:HPE表示,将在未来4年投资40亿美元开发智能边缘设备。
边缘计算远非一个成熟的市场。随着物联网的兴起,更多的设备需要能够在网络前端进行分析。换句话说,在云端或数据中心发生的事情将越来越多地出现在网络边缘,以减少延迟。
HPE一直是边缘概念的领跑者之一,并且也投入资金用于这项工作中。HPE公司首席执行官Antonio Neri在Discover大会上表示,HPE将投入资金在研发、产品、服务和模式上,在网络边缘实现人工智能、机器学习和自动化。
Neri表示,企业将必须强化网络边缘的云架构来提供实时体验。
在许多方面,惠普专注于网络边缘的战略与其产品组合是保持一致的。 HPE的Aruba业务已经覆盖无线校园网络,而Pointnext正在开发一系列旨在使终端更加智能化的项目。
例如,HPE的Aruba业务部门成立了一个软件定义的分支机构,以加强无线网络性能并为云、物联网和移动技术做好准备。
好文章,需要你的鼓励
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
微软研究院发布突破性多语言AI技术UPDESH,通过"自下而上"数据生成策略,让AI真正理解不同文化背景下的语言表达。该技术基于各语言维基百科内容生成950万个训练数据点,覆盖13种印度语言,显著提升低资源语言AI性能,为构建文化敏感型AI系统提供新路径。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
NVIDIA团队提出RLBFF方法,将AI训练中的复杂评价转化为明确的二元判断标准,解决了传统人类反馈模糊和可验证奖励局限的问题。该方法在多个权威测试中取得突破性成果,其中JudgeBench获得第一名,训练的模型性能媲美知名商业模型但成本仅为其5%,为AI训练领域带来重要方法论创新。