TalkingData 锐眼看世界 2017-06-07

锐眼视点:

  • 美国计划在未来几个月内重新修订无人驾驶政策;
  • Got It 首次使用 KaaS, 旨在通过AI帮助人们寻找专家;
  • Databricks 发布 Serverless Platform 与新图书馆。

[业界新闻] 美国计划在未来几个月内重新修订无人驾驶政策;

唐纳德·特朗普总统的行政部门将在接下来的几个月内公布修订的无人驾驶汽车政策。作为对汽车制造商呼吁的回应,美国运输部负责人星期一表示,将消除对自动驾驶测试的阻碍并允许自动驾驶车辆上路。“我们不希望规则阻碍未来技术的进步。”美国交通运输部长Chao说。包括 Alphabet、通用、福特、Uber 和特斯拉在内的公司,都在积极追求自动驾驶技术。Chao表示,新的规则将支持行业创新,旨在鼓励“新进入者和创新者提供更安全的车辆”。众议院能源和商业委员会的共和党人也一直在制定一揽子立法,使自动驾驶车辆上路变得更容易。一个美国参议院委员会也计划在本月举行一次关于自动驾驶车辆的新听证会。奥巴马时期的政策要求汽车制造商自愿向监管机构提交15点“安全评估”的自驾车系统细节,并敦促各州在大多数规则上遵照联邦政府。汽车制造商对该政策提出了许多担忧,包括要求他们转交重要数据、可能会延迟测试达几个月、并导致各州将自愿准则转为强制性等。

原文链接:U.S. plans to update self-driving guidelines in coming months

<br / >

[业界新闻] Got It 首次使用 KaaS, 旨在通过AI帮助人们寻找专家

Got It 使用人工智能来寻找可以帮助复杂问题的人力资源专家。Got It 称之为按需的知识即服务(KaaS)。该平台帮助专业人士、学习者和消费者快速经济地获得个性化的交互式解决方案。用户可以将其视为 Google 搜索,但是由于问题的复杂性,用户必须找到专家。Got It 将用户与专家组(ExpertRank)进行匹配。专家组是在一个固定时间段内进行实时拍卖以解决用户问题的专家,并提供服务保证。AI 可以通过先进的机器学习算法来计算所谓的 ExpertRank,该算法基于许多排名因素对每个专家的知识-时间会话(Knowledge-time sessions)持续进行分类。知识-时间会话的单位是固定长度的,比如10分钟或20分钟。文本聊天会话向 AI 引擎提供了令人难以置信的信息量,而 AI 引擎试图了解会话。聊天会话通过机器学习进行分析,并做出分类,以向 ExpertRank 提供输入。这有助于组织人力资源,并找出与用户问题最相关的内容,就像 Page Rank 为 Google 搜索提供最相关内容那样。

原文链接:Got It debuts knowledge-as-a-service that uses AI to help you find human experts

<br / >

[业界新闻] Databricks 发布 Serverless Platform 与新图书馆

今天 Databricks 发布了 Apache Spark 的 Serverless Platform 来启动 Spark Summit,这对希望减少花在集群管理上时间的开发者而言是个好消息。开发该平台的动因是节省开发人员的精力。除了 Serverless 之外,该公司还推出了 Deep Learning Pipelines,这是一个可以轻松地将深度学习框架与Spark相结合的图书馆。如果 Serverless 是 Databricks 在广度上的尝试,那么 Deep Learning Pipelines 就是公司在深度上的尝试。它已使得越来越多的深度学习成为了工作流程的一部分,即使它的使用并不常见。Deep Learning Pipelines 使开发人员可以将深度学习的模型转换为 SQL 函数。用户可以使用 Spark MLlib Pipelines 进行传输学习,并获得使用 Spark 分发计算的好处。Databricks 的结构化流(Structured Streaming)现在通常可用。API 支持顺序数据流的处理。公司表示,它优先考虑了最小化结构化流媒体开发过程中的延迟时间。这最终对处理诸如异常检测等问题的客户在成本和速度上有所助益。

原文链接:Databricks releases serverless platform for Apache Spark along with new library supporting deep learning

<br / >

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,723评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,080评论 2 379
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,604评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,440评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,431评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,499评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,893评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,541评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,751评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,547评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,619评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,320评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,890评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,896评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,137评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,796评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,335评论 2 342

推荐阅读更多精彩内容