ZDNet至顶网软件频道消息:微软正在着手将其内部机器学习技术向云服务迁移,希望借此使其Azure服务能够在与谷歌及Amazon同类产品的竞争当中取得优势。
该公司的全新Azure ML服务于本周一发布,这意味着开发者们可以访问由Azure云托管的机器学习系统甚至将自己的应用程序直接与其进行对接。
这项技术让开发者们得以直面机器学习机制及其相关技术成果,其中包括深层学习系统,并将其应用到自己的应用程序当中。
最近,谷歌宣布公司内的一位工程师已经建立起一套系统,旨在利用神经网络调整19项不同输入与1项单一输出结果——即数据中心能源使用效率——之间的关系。该系统的实际表现非常出色,谷歌在它的帮助下已经能够更好地随时间推移模拟出基础设施的实际能源消耗情况。
在Azure ML的辅助下,微软表示将能够创建多种面向开发者们的相关系统类型,并为其提供广泛普及所必需的设置、培训以及技术使用指导等配套方案。
Azure ML拥有“一系列有助于清理数据的工具,”微软公司高管Joseph Sirosh在接受采访时解释道。此外,该服务还能够与高人气数学软件R相兼容。Azure ML服务也为用户打造了一套良好的使用途径,使其能够通过拖拽操作将多种机器学习技术整合在一起,从而构建起具备突出可视化效果与内容理解方式的应用程序方案。
“机器学习这片新天地已经向大家敞开了大门,”Sirosh表示。“大家只需在其中点击几下,就能获得与机器学习模式紧密匹配的API。”
Sirosh曾经在云服务之王Amazon公司效力过近十年,并在转投微软麾下之后帮助公司开发出多种内部机器学习系统。
预计该服务将在一个月内发布Beta测试版本,而已经开始使用Azure ML的少数早期客户则利用它实现了多种用途:根据网络客户在网站上的操作活动预测他们对哪些线上产品更感兴趣,或者构建系统方案来检测大学校区内的耗电量浮动、从而帮助工作人员进行IT设备故障诊断。
尽管机器学习已经是一项历史悠久而且应用广泛的技术,但微软认为将其以云服务形式推出仍然能够有效帮助使用者摆脱相当一部分当前面临的技术障碍。
“机器学习拥有令人难以置信的强大能力——它能让我们身边的每一款应用程序实现智能化,”Sirosh指出。“我希望机器学习这一令人振奋的技术成果能够得到广泛宣传并获得大家的理解,其重大意义甚至不亚于云计算的诞生。”
当然,他认为微软将是有能力提供此类服务的最佳厂商之一。
“微软与谷歌是目前世界上机器学习人才的两大储备库,”Sirosh表示。而就目前来讲,谷歌还没有将其快速机器学习系统引入到云环境当中。
好文章,需要你的鼓励
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。