銳眼視點(diǎn)：
- 美國計(jì)劃在未來幾個月內(nèi)重新修訂無人駕駛政策;
- Got It 首次使用 KaaS, 旨在通過AI幫助人們尋找專家驳遵；
- Databricks 發(fā)布 Serverless Platform 與新圖書館。
[業(yè)界新聞] 美國計(jì)劃在未來幾個月內(nèi)重新修訂無人駕駛政策;
唐納德·特朗普總統(tǒng)的行政部門將在接下來的幾個月內(nèi)公布修訂的無人駕駛汽車政策廷臼。作為對汽車制造商呼吁的回應(yīng)，美國運(yùn)輸部負(fù)責(zé)人星期一表示宣蔚，將消除對自動駕駛測試的阻礙并允許自動駕駛車輛上路援制。“我們不希望規(guī)則阻礙未來技術(shù)的進(jìn)步固逗。”美國交通運(yùn)輸部長Chao說藕帜。包括 Alphabet烫罩、通用、福特洽故、Uber 和特斯拉在內(nèi)的公司贝攒，都在積極追求自動駕駛技術(shù)。Chao表示时甚，新的規(guī)則將支持行業(yè)創(chuàng)新隘弊，旨在鼓勵“新進(jìn)入者和創(chuàng)新者提供更安全的車輛”。眾議院能源和商業(yè)委員會的共和黨人也一直在制定一攬子立法荒适，使自動駕駛車輛上路變得更容易梨熙。一個美國參議院委員會也計(jì)劃在本月舉行一次關(guān)于自動駕駛車輛的新聽證會。奧巴馬時期的政策要求汽車制造商自愿向監(jiān)管機(jī)構(gòu)提交15點(diǎn)“安全評估”的自駕車系統(tǒng)細(xì)節(jié)刀诬，并敦促各州在大多數(shù)規(guī)則上遵照聯(lián)邦政府咽扇。汽車制造商對該政策提出了許多擔(dān)憂，包括要求他們轉(zhuǎn)交重要數(shù)據(jù)陕壹、可能會延遲測試達(dá)幾個月肌割、并導(dǎo)致各州將自愿準(zhǔn)則轉(zhuǎn)為強(qiáng)制性等。
原文鏈接：U.S. plans to update self-driving guidelines in coming months
<br / >
[業(yè)界新聞] Got It 首次使用 KaaS, 旨在通過AI幫助人們尋找專家
Got It 使用人工智能來尋找可以幫助復(fù)雜問題的人力資源專家帐要。Got It 稱之為按需的知識即服務(wù)（KaaS）。該平臺幫助專業(yè)人士弥奸、學(xué)習(xí)者和消費(fèi)者快速經(jīng)濟(jì)地獲得個性化的交互式解決方案榨惠。用戶可以將其視為 Google 搜索，但是由于問題的復(fù)雜性盛霎，用戶必須找到專家赠橙。Got It 將用戶與專家組（ExpertRank）進(jìn)行匹配。專家組是在一個固定時間段內(nèi)進(jìn)行實(shí)時拍賣以解決用戶問題的專家愤炸，并提供服務(wù)保證期揪。AI 可以通過先進(jìn)的機(jī)器學(xué)習(xí)算法來計(jì)算所謂的 ExpertRank，該算法基于許多排名因素對每個專家的知識-時間會話（Knowledge-time sessions）持續(xù)進(jìn)行分類规个。知識-時間會話的單位是固定長度的凤薛，比如10分鐘或20分鐘姓建。文本聊天會話向 AI 引擎提供了令人難以置信的信息量，而 AI 引擎試圖了解會話缤苫。聊天會話通過機(jī)器學(xué)習(xí)進(jìn)行分析速兔，并做出分類，以向 ExpertRank 提供輸入活玲。這有助于組織人力資源涣狗，并找出與用戶問題最相關(guān)的內(nèi)容，就像 Page Rank 為 Google 搜索提供最相關(guān)內(nèi)容那樣舒憾。
原文鏈接：Got It debuts knowledge-as-a-service that uses AI to help you find human experts
<br / >
[業(yè)界新聞] Databricks 發(fā)布 Serverless Platform 與新圖書館
今天 Databricks 發(fā)布了 Apache Spark 的 Serverless Platform 來啟動 Spark Summit镀钓，這對希望減少花在集群管理上時間的開發(fā)者而言是個好消息。開發(fā)該平臺的動因是節(jié)省開發(fā)人員的精力镀迂。除了 Serverless 之外丁溅，該公司還推出了 Deep Learning Pipelines，這是一個可以輕松地將深度學(xué)習(xí)框架與Spark相結(jié)合的圖書館招拙。如果 Serverless 是 Databricks 在廣度上的嘗試唧瘾，那么 Deep Learning Pipelines 就是公司在深度上的嘗試。它已使得越來越多的深度學(xué)習(xí)成為了工作流程的一部分别凤，即使它的使用并不常見饰序。Deep Learning Pipelines 使開發(fā)人員可以將深度學(xué)習(xí)的模型轉(zhuǎn)換為 SQL 函數(shù)。用戶可以使用 Spark MLlib Pipelines 進(jìn)行傳輸學(xué)習(xí)规哪，并獲得使用 Spark 分發(fā)計(jì)算的好處求豫。Databricks 的結(jié)構(gòu)化流（Structured Streaming）現(xiàn)在通常可用诉稍。API 支持順序數(shù)據(jù)流的處理蝠嘉。公司表示，它優(yōu)先考慮了最小化結(jié)構(gòu)化流媒體開發(fā)過程中的延遲時間杯巨。這最終對處理諸如異常檢測等問題的客戶在成本和速度上有所助益蚤告。
<br / >
