马斯克刚回美国,旋风裁掉了这个部门

旋风访华刚取得重要进展,火速回美裁了整个部门。
有报道称,马斯克解散了特斯拉的超充团队,还开除了两名高管。


一个月内,万人大裁员,四名高管离职,特斯拉转向的动作,狠辣而坚决。
马斯克把宝押在AI领域,甚至不惜放缓同样能带来巨大营收的充电业务,把“Make Tesla Great Again”的希望,坚定地放在FSD身上。
同时也再一次展现了马式管理风格:
反对过度扩张,愿意主动裁人。
马斯克还放话,一定要保持一只风格过硬的战斗团队,如果发现有团队内那种老白兔一直没有变化,就要连同他的上级和负责高管开掉。
朝着星辰大海目标前进的人,冷酷又无情。

马斯克解散超充团队,开除两高管

马斯克访华,在中国明确将投资100亿美元用于AI,回美国就优化人员降本:
裁掉整个超充团队,员工人数大约是500人。
多名被裁员工在社交平台发声,证实了这一消息。

图片来源:由GPTNB生成

马斯克对此没有直接回应,只发帖表示,特斯拉的超充网络还会继续扩张,但是“开城”设点的步伐会放缓,接下来更专注于提高现有设施的利用率.

图片来源:由GPTNB生成

随着整个团队一起被裁的还有高管负责人丽贝卡·蒂努奇 (Rebecca Tinucci)。
丽贝卡在特斯拉工作了六年,长期负责特斯拉的充电业务。
早年创立了一家无线充电公司,9年都没有太大起色。
于是丽贝卡在2018年3月加盟了特斯拉。

△丽贝卡在去年的特斯拉投资者日

头两年担任项目经理,2020年3月开始负责特斯拉的超充团队,以及充电设施建设。
特斯拉的充电站数量近两年增加了一倍,今年一季度同比增长26%.
然而两年增加1倍的业绩增长,并没有达到特斯拉增加两倍的预期,丽贝卡还是被开除了。

同时被解雇的高管,还有丹尼尔·何 (Daniel Ho),供职超10年。

图片

他是特斯拉的新车项目主管,此前曾在福特供职12年半,离职后在麦肯锡工作了2年。
随后于2013年11月加入特斯拉,十年里先后担任Model S、Model 3和Model Y的项目经理,也就是说,除了Model X和Cybertruck,丹尼尔都参与开发了。

根据其过往履历,丹尼尔主管的“新车”,应该就是指Model 2“小钢炮”没跑了。

图片

还有报道称,丹尼尔领导的团队也将被解散,但目前尚未看到团队成员发声证实。
大家主要关注点还是在解散超充团队,这不光是对特斯拉造成了影响。
最直接的,给合作伙伴带去了隐忧。
特斯拉超充站供应商的CEO,Andres Pinter就表示,他的团队醒来后,(看到消息)如遭重击。

同时,作为北美毫无争议的电车领头羊,特斯拉放缓建设超充站,也给整个行业带来打击。

图片

此前有分析师估计,2030年充电业务将为特斯拉带来200亿美元营收,为了刺激补能网络发展,美国还拿出了数十亿美元用于补贴。
当下有补助的资金,未来有巨额的营收,然而特斯拉还是主动放缓了脚步。
为了集中兵力打AI硬仗,马斯克掌舵坚定转向。

从EV到Robotaxi

有分析认为,开除超充团队是特斯拉转向的一步。
在最近的财报电话会议上,马斯克明确表示,将专注于AI、机器人和Robotaxi领域的机会。
AI和Robotaxi才值得特斯拉投入人力和财力,充电这些电车业务,都得往后稍稍。

图片

因此可以看到,特斯拉近期在FSD上动作频频,进入V12后改FSD Beta(测试版)为FDS Supervised(受监督版),更新迭代很快。
同时马斯克亲自部署,要求一线销售交车前,必须带车主一次FSD,并且宣布,北美买特斯拉能免费试用一个月的FSD。
FSD的买断和订阅价格也都打了折,买断价格从1.2万美元降至8000美元,折合人民币约为5.79万元。
月租费用则打了对折,99美元/月,折合人民币约为717元。
总之就是,FSD的能力在增强,门槛在降低,搭载FSD的车越多,收集数据量越大,FSD迭代速度越快。
特斯拉正冲刺8月8日上线的Robotaxi大业。

图片

以及大家最近非常关注的,马斯克旋风24小时访华,据说也是为了谈放开FSD而来。
美国银行近日发布报告,预测到2030年FSD在中国能为特斯拉带来20亿美元的盈利。
不过面对本土颇有竞争力的友商,以及小电驴老头乐乱飘的路况,还有6.4万元的买断价格,FSD面临的考验还有很多。

图片

而重心转向FSD,转向AI后,直接裁掉整个超充团队,也是马斯克管理风格的又一次展现。
此前马斯克入主推特(现X平台)一个月,就裁掉过半员工。
曾任特斯拉AI主管的安德鲁·卡帕西,在讲述马斯克的管理方式时就表示:
马斯克在管理全球最大的创业公司。
卡帕西透露,马斯克反对公司过度扩张,喜欢由“实力强技术强的小团队来组成公司”。
马斯克愿意主动裁人,卡帕西过去为了留下一些员工,不得不和马斯克据理力争,不然马斯克总是默认要裁掉他们。
最近马斯克还对特斯拉管理层没有按其指示,迅速精简人员规模,发表了不满:
当主管保留没有通过优秀、必要和信赖考评测试的员工,超过三名以上,将被要求离职。
团队要精简,上下要有干劲。如果发现不合格的人还保留,连着上级一并走人。

图片

卡帕西透露,马斯克反对公司过度扩张,喜欢由“实力强技术强的小团队来组成公司”。
马斯克愿意主动裁人,卡帕西过去为了留下一些员工,不得不和马斯克据理力争,不然马斯克总是默认要裁掉他们。
最近马斯克还对特斯拉管理层没有按其指示,迅速精简人员规模,发表了不满:
当主管保留没有通过优秀、必要和信赖考评测试的员工,超过三名以上,将被要求离职。
团队要精简,上下要有干劲。如果发现不合格的人还保留,连着上级一并走人。

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

邮件曝光,微软为追谷歌脚步才投资了OpenAI,纳德拉回应:才不是

微软与 OpenAI 之间的关系紧密而复杂。在 OpenAI CEO Sam Altman 陷入辞退的风波时,微软 CEO 纳德拉曾多次力挺他,并向他抛出橄榄枝。


当这场 OpenAI「宫斗」过去后,纳德拉也表示,无论 Altman 身在何处,仍然会支持他。

前不久还有微软的员工狂吐苦水,「微软已经沦落为 OpenAI 的一个 IT 部门!」资源倾斜不仅导致员工不满,还有不少高管相继离职。不难看出,微软为了在 AI 赛道中站稳脚跟,对 OpenAI 多有依赖。这份依赖不仅源于 OpenAI 自己的优异产品,可能还有微软对其他科技巨头的「恐惧」。

在美国司法部正在进行的针对谷歌的反垄断案件调查中,一封 2019 年微软内部的通讯邮件于上周二曝光了,这封邮件曾由微软的首席技术官 Kevin Scott 发送给微软联合创始人比尔 - 盖茨和 CEO 纳德拉。虽然邮件的大多内容已经被删,但我们仍能从中看到微软投资 OpenAI 的潜在动机。

这封邮件的主题是「关于 OpenAI 的思考」,Scott 在邮件中警告称谷歌在人工智能方面已经正式领先太多,如果不投资 OpenAI,微软可能永远也赶不上。

作为微软人工智能执行副总裁,Scott 非常担心自己的判断可能是错误的。他曾经将谷歌最初在人工智能的努力看作「游戏性的噱头」。事实证明,谷歌非但没有胡闹,反而一直在建设关键的人工智能基础设施,并已初见成效。Scott 说,根据对谷歌产品的竞争分析,谷歌在搜索领域的竞争力更加强大。虽然谷歌已经开始转向「更大规模、更有趣」的人工智能模型的生产,但微软仍然可能需要很多年才能与其相竞争。作为一个例子,Scott 警告称,「他们在 Gmail 中的自动补全功能,尤其在移动应用中非常出色」。

在这封邮件的几周之后,微软就向 ChatGPT 的所有者 OpenAI 投下 10 亿美元。目前,微软已向 OpenAI 投资超过 130 亿美元,将其模型添加到 Office 应用程序、必应搜索引擎、Edge,甚至 Windows 操作系统中。这让微软在人工智能领域稳坐巨头位置,而不必像几年前那样一度担心被其他巨头甩在身后。由于两家公司的财务状况看起来紧密相连,欧盟怀疑微软暗中控制 OpenAI,并开始调查这两家公司是否仍然独立运营。最终,欧盟撤销了这一调查,认为微软 130 亿美元的投资不构成收购。

纳德拉最近还将人工智能和安全作为微软 2024 年及以后的两大重点领域,这表明微软产品中人工智能功能的推广速度不会放缓。

网友得知这封邮件后,不禁吐槽,微软真是一直生活在恐惧中啊。

微软试图将这封内部邮件保密,但直到周二晚上,该邮件作为美国司法部就谷歌涉嫌垄断搜索领域的审判的一部分被公开。这封邮件最初被密封,因为微软认为其中包含机密商业信息,但《纽约时报》认为微软的隐私权利不足以抵消公开披露的需要。在此干预下,该邮件被解封。

在审判中,谷歌试图说服法官 Mehta ,微软在早期未能对移动领域进行重大投资,这给了谷歌在移动搜索方面的竞争优势,并且至今仍在享受这种优势。Scott 的邮件似乎暗示微软在投资人工智能方面也是一拖再拖,直到 Scott 的警示。

微软官方表示,其与 OpenAI 的合作伙伴关系是为了「加速人工智能突破,以确保这些好处得到广泛分享」—— 而不是为了跟上谷歌。但在谷歌的审判中,纳德拉作证说,与 OpenAI 等公司合作确保了微软能够继续在搜索以及其他微软服务领域创新。

据报道,在法庭作证时,纳德拉承认自己过于夸大了以人工智能为驱动力的 Bing 对搜索市场的潜在影响。他支持美国司法部的看法,认为在硅谷,互联网搜索是一个极具挑战性的领域。即使与 OpenAI 合作后,纳德拉也指出,微软要在搜索领域与谷歌竞争,目前市场上存在着限制,即人工智能能够改变市场的能力也有一定限度。

在谷歌的审判中,美国司法部声称,谷歌垄断搜索市场的主导地位也对 OpenAI 的创新构成了阻碍。据彭博社报道,美国司法部表示,如果谷歌没有垄断搜索市场,OpenAI 的 ChatGPT 等创新可能早在多年前就已经面世。对于谷歌垄断的审判即将开始,我们静待结果吧。

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

黄仁勋:AI 是科技行业对社会提升的最大贡献

英伟达CEO黄仁勋近期在美国俄勒冈州立大学(Oregon State University,OSU)做了一场对话活动。俄勒冈州立大学于今年4月中旬宣布,占地 150,000 平方英尺、耗资 2.13 亿美元的新的研究综合体(实验设施)破土动工,预计将于2026年正式开业。


而在这座新的研究设施中,黄仁勋和他的妻子Lori(黄氏夫妇)为此捐赠了5000万美元进行支持。

英伟达表示,该综合体将利用美国最强大的NVIDIA超级计算机之一,汇集教师和学生,共同解决未来世界在气候科学、清洁能源和水资源等领域面临的关键挑战。英伟达强调,这次在俄勒冈州举行的活动,凸显了黄氏夫妇对教育的承诺,并反映这对夫妇与两人相识的俄勒冈州深厚的个人联系。而这笔5000万美元的捐赠,将增加俄勒冈州对俄勒冈州及其他地区半导体和科技行业的支持。

会后,黄仁勋与俄勒冈州立大学校长贾亚蒂·穆尔蒂(Jayathi Murthy)进行了一场对话。黄仁勋表示,AI 是科技行业对社会提升的最大贡献。黄仁勋强调,AI 有望推动全球数十亿人迎来一场新的“数字革命”。

31年前的1993年,怀着PC有朝一日会成为畅享游戏和多媒体的消费级设备的信念,黄仁勋、Chris Malachowsky 和Curtis Priem 共同创立了NVIDIA(英伟达)。黄仁勋坦言,在过去十年左右的时间里,英伟达GPU有效降低了计算(边际)成本。黄仁勋表示,“我们通过提出新处理器、新系统、新互连、新框架和算法,并与数据科学家、AI 研究人员合作开发新模型,在整个跨度中,我们已经使大型语言模型的处理速度提高了一百万倍。”

黄仁勋认为,计算机是我们所做的几乎所有事情的基础,也是几乎所有科学领域的重要工具,所以成本和计算性能规模上升100万倍,已经改变了一切。黄仁勋预测,在未来十年,英伟达将再次提升 AI 计算处理性能高达100万倍。同时,未来可能会有100万倍与现有ChatGPT一样的 AI 模型出现,这些模型将具有更强大的语言理解和生成能力,甚至可能创造出新语言。

黄仁勋强调,有了加速计算和生成式 AI,现在,一大堆有趣的行业将被彻底改变,一大堆新的应用程序将被创造出来。黄仁勋指出,“数据的整个概念,数据的整个领域,有一大堆简单的数据可以做。黄仁勋表示,数据是一把“双刃剑”,有利也有害,因此,我们需要确保其有正确价值观的数据,需要用强化学习手段将数据精准化,从而减少自动驾驶汽车或机器人的情境中产生“幻觉”(错误判断)。

黄仁勋认为,AI 是科技行业对社会提升做出的最大贡献。这是一个新世界的开始,也是学校当中的最好时光。整个世界正在你面前发生变化,新的技术、新的能力、新的工具、新的学习方式都已经到来。AI 将改变人类、改变社会。黄仁勋指出,“我认为这可能是最伟大的成就之一。”而未来,AI将改变教育、改变课程。

黄仁勋表示,AI 技术的提升,让所有因缺乏对计算理解而被抛在后面的人的能力得到提升,AI 技术对社会的影响是“非凡”的。AI 技术确实鼓舞了整个机器人行业。AI 将成为你获取和深化知识的合作者,而且 AI 永远不会被带走,永远不会取代你所拥有的基本领域知识、深层知识。这是非常重要的。


感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

小模型性能饱和、表现不佳,根源是因为Softmax?

小语言模型的出现是为弥补大语言模型的训练、推理等成本昂贵的缺点,但其自身也存在训练到某个阶段后性能下降的事实 (饱和现象),那么这个现象的原因是什么?是否可以克服并利用它去提升小语言模型的性能?

语言建模领域的最新进展在于在极大规模的网络文本语料库上预训练高参数化的神经网络。在实践中,使用这样的模型进行训练和推断可能会成本高昂,这促使人们使用较小的替代模型。


然而,已经观察到较小的模型可能会出现饱和现象,表现为在训练的某个高级阶段性能下降并趋于稳定。

最近的一篇论文发现,这种饱和现象可以通过较小模型的隐藏维度与目标上下文概率分布的高秩之间的不匹配来解释。这种不匹配通过著名的 softmax 瓶颈现象影响了这些模型中使用的线性预测头的性能。

论文链接:https://arxiv.org/pdf/2404.07647.pdf

本文在不同设置下衡量了 softmax 瓶颈的影响,并发现基于小于 1000 个隐藏维度的模型往往在预训练的后期采用退化的潜在表征,从而导致评估性能降低。

简介

表征退化问题是影响用于文本数据的自监督学习方法等多种模态的常见现象。对语言模型的中间表征进行的许多观察揭示了它们的低角度可变性(或各向异性),或者在训练过程中出现的异常维度。然而,这些观察大多是针对维度与 BERT 或 GPT-2 系列模型相当的相对较小规模的模型进行的。

这些模型通常由一个神经网络 f_θ 组成,该神经网络接受 token 序列:

并在 R^d 中生成一个相对低维的上下文表征,其中 d 是模型的隐藏维度。然后它们依赖于一个语言建模头,该头部产生上下文 token 概率的对数。语言建模头的常见选择是一个线性层,其参数为 W ∈ R^(V×d),其中 V 是可能 token 的数量。因此得到的下一个 token 概率分布是其中 σ 是 softmax 函数。

在语言建模领域,当前的趋势在于扩展引入了 GPT-2 的生成预训练方法,这意味着在巨大的网络文本语料库上训练由数十亿参数组成的神经模型。然而,训练和应用这些高参数化模型会引发能源和硬件相关的问题,这需要寻求通过较小的模型实现类似性能水平的方法。

然而,对 Pythia 模型套件的评估表明,将小型模型训练在非常大的语料库上可能会导致饱和,表现为在预训练后期性能下降。本文通过表征退化的视角探讨了这种饱和现象,并发现这两种现象之间存在着强烈的相关性,同时进一步证明了表征退化在小型模型的语言建模头中发生,并在理论和实证上展示了线性语言建模头如何成为基于小隐藏维度的架构的性能瓶颈。

语言模型饱和现象

本文首先验证了确实可以观察和量化 Pythia 检查点的性能饱和,因为它们是一系列模型尺寸的唯一发布的中间检查点。本文测量了从它们的预训练数据集(即 The Pile)中随机抽取的 5 万个 token 的交叉熵。

在图 1a 中可以清楚地看到,连 4.1 亿参数的模型都遇到了饱和现象,表现为在高级训练阶段域内损失的增加。

在图 1b 中,本文根据 Hoffmann et al. (2022) 的方法,对从 4.1 亿参数开始的模型的数据点进行了拟合,只优化模型相关的常数(A 和 α),同时重用所有其他值(B = 410.7,β = 0.28,E = 1.69)。这里回顾了 Hoffmann et al. (2022) 给出的参数计数 N 和 token 计数 T 之间的关系:

本文发现最佳参数为 A = 119.09 和 α = 0.246。作者展示了与最佳和最终检查点相对应的 token 计数的拟合曲线。可以观察到,最终检查点的性能平均低于外推值约 8%。损失最小(最佳)检查点由于学习率冷却不完全,预计会低于外推法,但其表现仅低于外推法约 4%。

在用于语言模型评估工具(LM Evaluation Harness)评估的数据集中,也观察到了类似的性能饱和现象,如表 1 所示。

性能饱和是秩饱和(Rank Saturation)

规模各向异性

各向异性是是在各种小型语言模型中观察到的一种常见的表征退化形式,它包括特定层中表征分布的角度可变性降低。之前的研究(Ethayarajh, 2019; Godey et al., 2024)注意到,小型变形语言模型的几乎所有层都是各向异性的。衡量向量表征集合 H 中各向异性的常用方法是平均余弦相似度:

然而,目前尚不清楚各向异性是否会影响具有超过 10 亿参数的模型。为了解决这个问题,本文计算了一系列模型中间表征在层间的平均余弦相似度;即 GPT-2,OPT,Pythia 和 Gemma。本文使用了 The Pile 的子样本,因为假设该数据集的领域包括或匹配这些套件中使用的预训练数据集的领域。

在图 2 中,可以观察到,大多数 Transformer 模型的大多数层在某种程度上都是各向异性的,而不论其规模如何。然而,在最后一层中似乎存在一个二分现象,其中模型要么几乎是各向同性的,要么是高度各向异性的。本文注意到这种二分现象与 Pythia 套件的饱和现象之一相一致,其中只有包含 1.6 亿个或更少参数的模型受到最后一层各向异性的影响。

本文研究了 Pythia 套件中各向异性的训练动态,并将其与图 3 中的饱和现象进行比较。

图 3 清晰地展示了性能饱和现象的出现与模型最后一层表征中各向异性出现之间的明显相关性。它还显示了在训练过程中,各向异性在饱和点附近会突然增加。在这里观察到,在特定的领域内语料库中,模型在饱和时迅速失去性能,并且似乎永远无法完全从这种爆炸中恢复过来。

奇异值饱和

平均余弦相似度是衡量分布均匀性的有价值的指标,但包含其他指标可以帮助更好地捕捉某些流形的复杂性。此外,它只关注语言模型的输出嵌入,而不关注它们的权重。本节通过研究语言建模头的奇异值分布来扩展本文的分析,以将实证观察与本文的理论发现联系起来。

图 4 展示了沿训练过程中最终预测层权重 W 的奇异值分布:

图 4 揭示了一种特定的频谱饱和模式,它与性能饱和现象大致同时发生。图中显示,奇异值分布在训练过程中逐渐变平,几乎达到均匀性,然后突然演变为尖峰分布,最大奇异值相对其他分布较高。

为了更准确地量化这种行为,本文使用奇异熵度量,计算为归一化奇异值分布与均匀分布之间的 Kullback-Leibler 散度。

图 5 显示了使用少于 4.1 亿个参数的模型与使用较大参数的模型的奇异分布演变方式不同。小型模型的头部看到它们的奇异值分布逐渐变得更加均匀,直到它们突然退化为止,这再次与语言模型性能下降相关。较大模型的奇异值分布趋于更稳定,并且在整个训练过程中没有显示出明显的单调模式。

Softmax 瓶颈与语言维度

自然语言的固有维度

直观地说,上文中观察到的奇异值分布饱和现象只适用于较小的模型,这就对 LM 头的优化所涉及的维度提出了质疑。本节建议根据经验测量 LM 头的秩的临界值,并估计该头的输出应该匹配的上下文概率分布的维度。

为了经验性地测量线性头部秩的影响,本文提出在预训练的上下文表征上训练秩受限的头部,这些上下文表征来自高参数化语言模型。为了控制最大秩 r,考虑形式为 W = AB ∈ R^(V×d) 的头部,其中 A ∈ R^(V×r) 和 B ∈ R^(r×d) 的系数从 N(0,1)中抽取(d 是模型的隐藏维度)。这种 W 矩阵的秩受参数 r ∈ [1, d] 的限制对一系列值进行了扫描。

通过冻结语言模型,并在大约 1.5 亿 token 上训练秩受限的头部,同时调整学习速率以适应可训练参数的数量。

在图 6 中可以观察到,无论模型大小如何,当语言建模头 W 的秩低于 1000 时,困惑度开始明显下降。这暗示了对于具有更大隐藏维度的模型来说,头部不是主要的性能瓶颈,但对于具有较小隐藏维度的模型来说,它可能会独立于输出表征的质量而损害性能。

另一个有趣的因素是估计数据本身固有的维度。为了避免与特定归纳偏差相关的可能影响,本文在覆盖范围各异的几个数据集上训练了朴素的 5-gram 语言模型(IMDb,Wikitext,以及 The Pile),使用了两种不同词汇量的分词器(Llama-2 为 30k tokens,Pythia 为 50k tokens)。给定 C 个观察到的 5-gram,本文考虑矩阵 W ∈ R^(C×V),其中每行是给定 4 个 token 上可能 token 的概率分布,并计算它们的奇异值分布,如 Terashima et al. (2003) 所述。

图 7 报告了 W-error,根据 Eckart-Young-Mirsky 定理预测的秩为 d 的矩阵 W 的最小近似误差(见引理 5.2),并将其归一化为 W 的 Frobenius 范数。

理论瓶颈

同时,W 的估计秩与隐藏维度的常规数量级相比也不可忽视。这里将从理论角度分析理想线性语言建模头的维度与性能之间的联系。

本节旨在确定上下文分布固有维度与可归因于语言模型输出表征的较低维度而产生的性能瓶颈之间的正式联系。为此构想了一个在理想上下文表征上优化的语言建模头,探讨了其谱特性与在相同表征上训练低秩头时产生的性能差距之间的关系。

更多研究细节,可查看原论文。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

BlackBerry宣布推出CylanceMDR

结合屡获殊荣的安全专家和行业领先的人工智能,24x7威胁保护,支持符合条件客户的安全事件费用的 $1百万 保证。图片{ width=60% }


今日,黑莓有限公司(纽约证券交易所:BB;多伦多证券交易所:BB)推出了全新扩展的 CylanceMDR™,提供由屡获殊荣的 Cylance® AI 平台驱动的全面托管检测及响应(MDR)保护,并获得屡获殊荣的安全运营中心分析师支持,为24x7威胁覆盖。
CylanceMDR(原名 CylanceGUARD®)现在提供三种新套餐 - 标准、高级和按需。每个套餐旨在应对企业今天面临的独特网络安全挑战,从领先的AI检测到专家支持,为所有人提供综合解决方案。
“CylanceMDR 提供的不仅仅是行业领先的技术;您将获得真正由专有威胁情报支持的AI驱动MDR。但我们知道仅拥有正确的技术还不够。关键是有合适的团队支持您,”黑莓网络安全高级副总裁兼总经理 Nathan Jenniges 表示。“我们的理念是将我们的技术卓越与我们的人类专业知识相结合,为任何规模的组织提供无与伦比的支持。通过与我们屡获殊荣的SOC团队合作,实质上您正在将您的团队与我们的团队相结合,能够管理整个网络安全挑战的全谱。”
CylanceMDR 包含操作启动、警报分级、调查、托管威胁猎手、数字取证、全面事件响应和重要事件管理。此外,它还得到了咨询和调校服务的支持,并获得了 $1M 保证。
CylanceMDR 还提供了一种专为拥有已建立安全团队并寻求深入调查和响应威胁的客户量身定制的“按需”解决方案。这项独特服务提供直接帮助、威胁分级以及深入的调查和响应能力。 它作为客户现有安全框架的有价值补充,使他们能够自信地应对新兴威胁并处理复杂的安全事件。
Cylance AI 平台驱动这三个套餐。在独立测试中,Cylance AI 威胁检测能够比以往快13倍,早期阻止98%的攻击。更有效的保护以及对IT资源压力的减轻将部署 CylanceMDR 的成本降低高达85% ,比建立内部SOC要便宜许多。根据最近的Forrester总体经济影响研究,CylanceMDR 报告的投资回报几乎是三倍。
“考虑到数据泄露的不断增加成本和人员技能赤字,MDR解决方案正因能够有效解决目前企业面临的紧迫时间、资源和成本限制而日益受到青睐,”IDC的安全服务研究副总裁 Craig Robinson表示。“知识和技术的正确组合可以有效地解决对防御策略的任何影响力的时间、资源和成本制约。”
“我们非常确信我们正在采取所有正确的措施来保护我们的客户,”Jenniges 表示。“为了给他们最终的安心感,我们还提供了高达 $1百万 的保证,以 cover 符合 CylanceMDR 高级客户的安全事件费用。”



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Quest Diagnostics将收购PathAI诊断

Transaction is part of wide-ranging collaboration to combine Quest’s oncology expertise and scale with PathAI’s AI and digital pathology innovations to speed diagnosis, improve quality and reduce costs Quest Diagnostics (NYSE: DGX), a leader in diagnostic information services, and PathAI, a global provider of artificial intelligence-powered technology for pathology, today announced a multi-faceted collaboration designed to accelerate the adoption of digital and AI pathology innovations to improve quality, speed and efficiency in diagnosing cancer and other diseases. Under the terms of a definitive agreement, Quest will acquire select assets of PathAI Diagnostics, the business of PathAI that provides anatomic and digital pathology laboratory services. At closing, PathAI Diagnostics’ state-of-the-art digitized laboratory in Memphis, Tennessee will become Quest’s AI and digital R&D and solutions center, supporting Quest’s specialty pathology businesses, AmeriPath and Dermpath Diagnostics. PathAI will continue to support its biopharmaceutical clients with end-to-end clinical trial services capabilities at its biopharma lab, which is separate and distinct from the diagnostic laboratory business. The transaction is expected to be completed in the second quarter of 2024. Under separate agreements, Quest will license PathAI’s AISight™ digital pathology image management system to support its pathology laboratories and customer sites in the United States. The two entities may also pursue opportunities for Quest to aid PathAI’s algorithm product development, drawing on Quest’s deep pathology leadership. In addition, Quest will be a preferred provider for PathAI’s biopharmaceutical clinical laboratory services.

“This transaction will enable Quest to dramatically ramp our capabilities in AI and digital pathology, building on our leadership in oncology and subspecialized pathology services,” said Kristie Dolan, Senior Vice President, Oncology, Quest Diagnostics. “AI and digital technologies have tremendous potential to improve cancer care, and Quest has the know-how to scale and deliver innovations that are high quality, efficient and broadly accessible. PathAI has industry-leading expertise in AI pathology innovation, and their state-of-the-art digitized laboratory in Memphis provides a platform for future growth.”

“At Quest Diagnostics, we are committed to maximizing patient impact from every precious sample,” said Mark Gardner, Senior Vice President, Molecular Genomics and Oncology, Quest Diagnostics. “The relationship with PathAI and acquisition of PathAI Diagnostics will enable us to rapidly accelerate the adoption of digitization and artificial intelligence for our market leading pathology offering, and will therefore strengthen our capability to serve patients across the entire continuum of oncology care, from diagnosis, to prognosis, to therapy selection and patient monitoring.”

“This strategic relationship represents a significant milestone for the anatomic pathology industry and marks a major turning point for digital pathology adoption in the U.S. The adoption of these technologies by an organization with the scale and breadth of capabilities of Quest is a clear demonstration of how PathAI’s cutting-edge solutions can help address the market’s need for more efficient and high-quality pathology operations,” said Andy Beck, MD PhD, co-Founder and CEO of PathAI. “The PathAI Diagnostics laboratory in Memphis will allow Quest to accelerate its digital journey with an already digitized laboratory.”

According to the American Cancer Society, 2024 will be the first year that the United States expects more than 2 million new cases of cancer. The global cancer burden is expected to reach 28.4 million cases in 2040, compared to 19.3 million in 2020, according to the International Agency for Research on Cancer. The next phase in cancer innovation unlocked by digital pathology Cancer and other diseases are often diagnosed by a pathologist based on a visual review of a biopsied tissue mounted on a glass slide, and reviewed under a microscope for abnormalities. If multiple pathologists need to view the slide, such as for a second opinion, the tissue biopsy must be physically couriered to another pathologist. Digital pathology enables the creation of digital images of glass slides that can be securely shared electronically with other pathologists to view, reducing transportation needs and speeding testing and results reporting. It also has the advantage of extending access to expert consults to geographic areas where pathologists are in short supply, such as in parts of rural America and internationally. It may also help alleviate workforce pressures due to a shortage of pathologists and histotechnologists, the skilled laboratory professionals who prepare tissue slides. “Digital pathology will strengthen our ability to offer flexible solutions that fulfill the needs of today’s hospital laboratories. For instance, many hospital labs are facing a shortage of histotechs. With digital pathology, these labs can refer slide preparation to us while continuing to perform professional interpretation in-house,” Ms. Dolan added. “Digital pathology will also allow us to extend the interpretative expertise of our roughly 400 pathologists to hospitals and other labs who lack these skilled professionals on-staff, regardless of location.”

AI builds upon digital pathology by identifying patterns in a digitized image that suggest cancer or other diseases, helping a pathologist concentrate on areas of concern for potentially more accurate diagnosis. Quest has a long history of strategic AI and automation deployment. The company has implemented AI, digital and automation technologies across several laboratory and business functions, from microbiology and cytogenetics to specimen processing and customer service, improving quality, efficiency and customer and employee experiences. The transaction also builds on Quest’s deep expertise and scale in cancer, with approximately 400 pathologists serving top health systems in the U.S. In recent years, Quest has piloted digital and AI pathology oncology solutions at Quest and AmeriPath sites in Clifton, NJ, Tampa and Denver. Over time, Quest expects the transaction with PathAI will enable it to deploy flexible digital slide preparation and diagnostic and second opinion consultation services to health systems and other providers, both in the United States and, through its Global Diagnostic Network, overseas. The acquisition will also extend Quest’s anatomic pathology services into comparatively more profitable areas, including dermatopathology as well as gastrointestinal and urological diseases. Provider customers of PathAI Diagnostics will benefit from access to Quest’s industry-leading clinical test menu, broad health plan relationships and approximately 2,000 patient service centers in the U.S.。图片{ width=60% }


请先将这篇文章翻译为中文,Title部分内容需要翻译为中文。最后只需要输出为Makedown源文件格式内容。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Alleva在TCIV East 2024年会展示数据驱动的EMR平台

Alleva,一家领先的电子病历(EMR)解决方案提供商,上周出席了在佛罗里达州棕榈滩举行的首届东海岸TCIV会议。图片{ width=60% }


公司的首席执行官Steve McCall、销售总监John David和战略合作伙伴经理Shelby Nelson一同展示了Alleva的数据驱动EMR平台,并讨论了最新的功能和增强功能。

会议的亮点之一是Rick McKenzie关于使用Alleva的Insights工具实现可扩展性的讲座,受到与会者的热烈欢迎。Alleva团队还接受了许多关于Alleva的EMR平台的问题,并提供了宝贵的见解,介绍了如何帮助程序利用数据实现更好的临床结果并监控团队绩效。

对于错过会议的人来说,Alleva仍然乐意回答任何问题,并提供关于他们新发布的功能和增强功能的信息。他们为实现增长的全能工具已被证明对许多组织和治疗中心具有重要意义,这些组织和中心希望简化他们的流程并改善病人护理。

“我们很高兴能有机会在第一次TCIV East会议上展示我们的EMR平台,”首席执行官Steve McCall表示。“我们的团队能够与许多专业人士建立联系,并提供有关Alleva的数据驱动EMR平台如何帮助组织实现更好结果并简化流程的宝贵见解。我们期待继续扩大我们的影响,并在未来与更多组织分享我们平台的好处。”


注意:Title、Date、Body 三个部分的内容,放入到对应的位置。最后只需要输出为Makedown源文件格式内容。

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Interpres Security发布重要平台更新

Interpres,这家威胁暴露管理初创公司,宣布免费产品试用,并为其平台增加了新功能,如MITRE ATT&CK®分析、内置AI助手、自定义报告功能和增强的EDR策略。图片{ width=60% }


今天,致力于优化防御措施以降低组织受到的实际威胁暴露的Interpres Security宣布了对其拥有专利的多租户SaaS产品Interpres威胁暴露管理平台的新功能和增强功能。更新内容包括发布了新的MITRE ATT&CK®分析功能,该功能允许进行自动映射,新的Interpres AI助手,自定义基线暴露报告,增强的EDR政策改进以及新的免费30天试用提供。
通过MITRE ATT&CK®分析功能,Interpres用户可以自动将所有检测和可见性映射到MITRE ATT&CK®技术,使用熟悉的用户界面。这种扩展界面显示了对组织最为重要的威胁的优先级视图,自动映射通过速度和规模确定安全团队的资源,向其提供威胁景观的基本上下文。
Interpres的创始人兼首席执行官Nick Lantuh表示:“在Interpres,我们一直把客户需求放在第一位。这就是为什么我们很高兴地宣布对我们的平台进行这些重大补充,为我们的客户提供更多关于威胁暴露和相关防御对策的可视性。”他补充说:“通过增加威胁映射和人工智能功能,我们改变了安全运营团队的游戏规则,他们正处于管理防御准备的最前线。更好的是,通过使MITRE ATT&CK®框架运作化,我们使他们能够轻松地识别整个安全程序中的覆盖漏洞和低效性。”
具体而言,Interpres已经通过以下产品功能和升级增强了其威胁暴露管理平台:
MITRE ATT&CK®自动映射功能:能够以MITRE ATT&CK®框架的上下文理解您的威胁景观和防御表面。这种功能允许自动将检测和安全控件映射到MITRE ATT&CK®,以查看优先级技术,了解检测覆盖水平,并确定安全防御漏洞。Interpres AI助手:这是一个新的基于LLM的聊天机器人,提供实时的安全建议,将立即支持防御准备,帮助公司进一步专注于最为重要的威胁。Interpres AI助手解释您环境中的数据,并提供下一步措施,以确保您的防御措施得到最佳的对抗对手的TTPs。自定义基线暴露报告:允许安全团队根据对组织最为重要的威胁生成报告。报告包括顶级勒索软件技术等其他高优先级威胁,为安全团队提供全面可定制、简化视图的安全堆栈,为组织快速响应提供更深入的理解。改进的EDR政策:为客户提供了对现有EDR解决方案中的不正确配置的可见性,使安全团队可以深入挖掘组织资产,找出具体的不正确配置,为什么存在这种不正确配置以及纠正行动。
Interpres Security还推出了其全面威胁暴露管理平台的30天免费试用。在试用期间,组织将能够:
生成基线威胁暴露报告,了解网络防御准备和资产暴露在优先级威胁下的情况。自动将检测和安全控件映射到MITRE ATT&CK®,获得清晰的覆盖情况图,并确定防御中的顶级漏洞。根据主动对手的针对性,确定针对顶级威胁和最新的CISA建议的准备情况,仅需几分钟。
Interpres产品负责人Ian Roth表示:“我们以威胁暴露管理的先驱为荣。简而言之,没有其他解决方案能够实现我们通过查看组织攻击面和防御面之间的独特关系所取得的成就。没有Interpres提供的能力,包括我们的新AI助手和自定义报告功能,组织将错过创建和维护高效有效的安全堆栈所需的方程式的一个重要部分。”
有兴趣亲身测试Interpres威胁暴露管理平台中的新功能吗?立即注册开始您的30天免费试用。
要了解有关Interpres威胁暴露管理平台新功能和增强功能的更多信息,请浏览博客“2024年第二季度产品更新:降低威胁暴露并持续验证网络安全防御的新功能”。
探索AITechPark,了解人工智能、物联网、网络安全、AITech新闻以及行业专家的见解和最新进展!。

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Ro推出Ro操作系统(ro.OS)

Technology designed to make it easy for millions of patients to access the most effective healthcare
Ro,领先的直达患者医疗公司,今天推出了Ro操作系统(ro.OS) - 其技术平台为数百万患者提供无缝,高质量的医疗护理旅程。图片{ width=60% }


经过长达六年的努力,ro.OS垂直整合了全国范围的远程医疗、实验室和药房服务,由一套专有的应用程序、工具和功能驱动。ro.OS旨在帮助患者更轻松有效地实现他们的健康目标。
“今天,高质量的护理是手工制作的奢侈品。作为一个社会,我们将只有少数人才能访问的奢侈品变成了每个人都可以访问的商品的唯一方式是通过技术。这就是Ro的使命,构建技术,使数百万人尽可能轻松地获得最有效的医疗保健,” Ro的首席产品官兼联合创始人Saman Rahmanian说。
ro.OS通过四个最终用户应用程序将医疗系统的核心部分连接起来:
患者应用程序:患者应用程序帮助患者在每一个步骤中控制他们的护理。这是一个患者一个停站通讯提供商,报告副作用,跟踪进度,访问医疗记录和管理目标。护理交付应用程序:护理交付应用程序是提供商有效交付,文档和监控患者护理的基地。无论是辅导患者,审核实验室结果,还是对治疗计划进行更改,提供商都会受益于能够在正确的时间提供正确信息的工具,扩展其专业知识,并支持护理的质量和安全。药房应用程序:药房应用程序直接整合药剂师到患者的护理旅程中,使他们获得实时患者见解,并能主动与提供商协调,识别潜在的安全问题,并提供快速可靠的全国范围药物履约。实验室应用程序:实验室应用程序将测试整合到患者的护理旅程中,将他们与家庭或当地选项联系起来,并提供自动化结果交付。这有助于患者全面了解自己的健康状况,并帮助提供者做出更明智的治疗决定。
ro.OS,其四个应用程序以及其中包含的工具和服务已经帮助数百万患者获得医疗护理,并在全国范围内提供了数千万次治疗。
“医疗系统正确地关注护理质量,但在使每个需要的人都能获得护理方面做得不够。太多患者缺乏方便的访问,或根本无法访问可以帮助他们有效实现健康目标的护理,” Ro的首席医疗官Melynda Barnes博士说。“在ro.OS中,我们构建了技术,使数百万次的每一个旅程都更容易实现高质量的护理,从患者进行实验室检测到提供者导航EMR,再到药剂师配药。”
Ro团队继续添加并加强ro.OS套件的应用程序和功能。这项工作得到了临床证据和研究,持续的患者反馈,Ro关联提供商的见解,以及Ro的专家临床顾问网络的支持。了解更多有关ro.OS的信息,并随时了解最新功能,请访问: ro.co/os。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

微软一面超280亿投资东南亚,一面隔离中国AI研究|钛媒体AGI

市值2.94万亿美金的全球科技巨头“微软”似乎已寻找到一个全新且能够建立 AI 算力基础设施的市场。钛媒体App 5月2日消息,微软董事长兼 CEO 萨蒂亚·纳德拉 (Satya Nadella) 宣布,微软未来四年将向马来西亚投资22亿美元,建设云计算和 AI 算力基础设施(数据中心),并为20万人提供AI技能培训。


这是微软在马来西亚最大的一笔投资。在此之前,微软的东南亚数据中心基本都建立在新加坡。

而一天之前,纳德拉还宣布,微软将在泰国投资建立新的地区数据中心,但没有透露投资额。同时,微软未来还将向印度尼西亚投资17亿美元,扩建数据中心。

在此前一场线下交流当中,微软员工向钛媒体App坦言,微软大中华区版的企业Copilot版本更希望覆盖那些致力于全球化、出海的中国企业,而非与本土的阿里通义、百度文心等进行竞争,并非去坚持获得批准。

“历史的教训是,只有向世界学习的国家才能成功,”史密斯在声明中表示。“安全护栏和管制至关重要,但参与仍不可或缺。”


感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB