人工智能(AI)和分析领域的领导者SAS,在本周召开的SAS Explore技术大会上,展示了其全新产品,以进一步扩展SAS® Viya®作为数据、人工智能(AI)和分析旗舰平台的相关能力。
首次亮相的这些新产品构建了轻量级的开发环境,可实现AI模型和应用的快速敏捷开发,支持使用多种编程语言,并可即时访问可扩展的云计算资源。
“在当前激烈的竞争环境之中,企业尤其需要以结果为导向,提高生产力,而AI对此可以起到关键作用。”SAS执行副总裁兼首席技术官Bryan Harris表示:“我们不断开发新产品来扩展SAS® Viya®生态系统,以满足数据科学家和开发人员对提升生产力、加速创新的需要。”
随时随地为所有人提供按需分析
Viya生态系统的最新产品包括:
·SAS Viya工作台(SAS Viya Workbench)——提供轻量级开发环境,以云原生的方式高效安全地启动和运行代码。SAS Viya工作台支持多种开发语言(Python、R或SAS),允许用户自行选择开发语言,快速构建其生产就绪的高性能模型。
SAS Viya工作台作为SAS Viya平台的配套工具,还将计划支持三种客户端- Jupyter Notebook, Visual Studio Code和SAS®Enterprise Guide®,以提供更加灵活的开发环境。SAS Viya 工作台目前仍处于内部测试阶段,预计将于2024年初全面推出。
·SAS应用工厂(SAS App Factory)——提供快速的应用开发环境,用于量身定制由AI驱动的应用程序。该产品对基于React、TypeScript和Postgres构建的云原生技术栈可实现自动配置与集成,这样开发人员就可以节省精力,去关注如何让模型与应用在生产中发挥更大作用。SAS应用工厂预计将于2024年全面推出。
AI分析即服务
随着公用事业单位进一步整合风能、太阳能等可再生能源,他们必须在这些多样化的能源供应组合中找到最佳方案。SAS能源预测云(SAS Energy Forecasting Cloud)是第一款基于SAS应用工厂打造的产品。公用事业规划人员和管理者可利用该产品收集大量数据,生成由AI和分析驱动的模型,以预测峰值电力需求,并得到更加精确的预测结果。SAS能源预测云提供对供应和需求的预测见解,帮助公用事业公司在优化成本的同时保持供电稳定。
英国剑桥大学医院正在使用SAS应用工厂构建解决方案,协助医生开展工作,造福患者及其家属。
剑桥大学医院的数据科学家和医学专家正在开发一款能够提高肾脏移植成功率的应用程序。该应用的主要作用是帮助组织病理学家找到关键的时间窗口,根据肾脏活检结果来确定移植的可行性。这款应用采用了计算机视觉和AI为每份活检报告打分,并对候选肾脏进行排序,以便组织病理学家能够更快地确定最适合移植的肾脏。
为所有人打造灵活的、协作式的AI生态系统
SAS Viya不断更新换代,并加入新的SaaS产品,主要是为了确保SAS强大的算法(其精准度、高性能和可扩展性已赢得数百万用户的信赖)可以运行于任何地方,并使用已有的数据进行分析。
SAS Viya是打造这一灵活的、协作式的AI生态系统的核心。SAS Viya是一个AI、分析和数据管理平台,所有人都能够以低代码、无代码和写代码的方式参与到分析过程中来,而不论他们技能水平如何。在SAS Viya生态系统以及整个AI和分析生命周期内,开发人员、数据科学家、IT专业人员和业务分析师都可以无缝协作,以便做出明智的决策。
本次内容是在SAS Explore这一技术盛会上发布的。在X/Twitter上关注@SASsoftwareNews ,以了解 SAS 的最新消息。
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。