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
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。