ZDNet至顶网软件频道消息:我见过大量微软观察者和用户称,这一举措表明,新上任的CEO Satya Nadella正带领公司走向前CEO鲍尔默及其领导团队不敢涉足的方向。
负责微软程序员部门的公司副总Soma Somasegar在Build 2014在Build 2014上告诉记者,将.Net进一步开源的工作从三年前就开始了。Somasegar称,公司的管理层意识到微软对开源的接纳程度还不够。微软应该首先把高级别的.Net框架开源,然后考虑逐步开放堆栈。但是,关于微软是否应该真正采用社区的贡献,还存在争议,按照最低的预计,如果不是全部开源,也会开源许可证——或者只是提供代码查看,而不允许对代码进行修改。
对于移动工具制造商——Xamarin,是微软的重要合作商及谏言者,也不再是向以前那样存在抗拒或畏惧,Somasegar说。微软内部有些人最初都很怀疑Xamarin帮助.Net程序员写安卓和iOS应用的目的,因为这些平台都是微软Windows的竞争对手。但是,随着时间的推移,微软对Xamarin的态度更加友好——尽管还是有谣言称微软正打算收购Xamarin。(上周的Build 2014展商,微软和Xamarin官方都未对此消息进行确认。)
Xamarin官方从未就开源.Net的问题向微软施压,Somasegar说。但是,他们“确实影响了我们,使我们愿意接纳社区,”他说。Xamarin确实想要更多有关.Net界面的信息以及相关文档,Somasegar承认道。
在.Net众多技术中,微软正实现Roslyn编译器的开源,这是Visual Basic和C#未来版本的基石。微软上周的声明意味着所有这些编译器未来的迭代产品都将在Apache 2.0许可证的基础上实现开源。
一年前,Somasegar就表示正在与微软卓越的工程师兼Roslyn领导者Anders Hejlsberg讨论是否要让Roslyn开源,以及何时实现开源的问题。在2013年秋季,微软决定在出预览版/终端用户版本的时候开源Roslyn(也就是上周),并接受社区的贡献,Somasegar说。Somasegar主张创建单独基金的想法获得认同——.Net基金,专为审查新的开源工作而设立的基金。
早在一年前(Nadella成为CEO之前),Nadella还在领导微软Server和Tools业务的时候,Somasegar就谏言称,.Net开源对程序员有益。
“他(Nadella)后来说,如果你认为这对程序员有好处,那就去做吧,”Somasegar说。
Scott Guthrie现在是负责微软云和企业业务的执行副总,他也是持赞同意见的关键人物,Somasegar称。
所以,微软会继续开源的路子,开放核心.Net,包括Base Class Libraries (BCL)和Common Language Runtime (CLR)吗?
“我们会一步一步来,”Somasegar。“如果对我们和社区确实有益,”微软会考虑的,Somasegar说。但是,必须得有证据表明确实有益,他强调道。例如,微软上周向Xamarin提供BCL文档是在Xamarin证明其必要性之后的事情。
我不得不承认,我此前并不确定,微软进一步开源.Net的提议是否会在Build展上受到人们的欢迎。我好奇的是,程序员们会不会误以为微软不再看重.Net的价值,.Net成了没人疼的孩子。好在,我在展会上交谈过的大部分程序员都对.Net开源持欢迎态度。
Build展会期间,Hejlsberg告诉与会媒体团,微软并不会抛弃.Net。
为了回答听众关于微软是否要将.Net束之高阁的问题时,Hejlsber说:“我们正积极投资.Net的发展。”
“我们不是要抛弃.Net,”Hejlsberg说。“而是全力以赴。”
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。