ZDNet至顶网软件频道消息:微软在本月早些时候发布了一项名为Azure机器学习的最新云服务预览,一些合作伙伴已经利用该服务构建某些高成本且在过去只能由数据科学家团队才能涉足的应用。
商业智能技术是对数据进行处理分析,了解过去发生了什么,而机器学习(也被称为预测分析)则是通过分析历史数据来预测未来会发生什么。
Azure机器学习服务是一项基于公有云的服务,让开发者们能够将预测分析嵌入他们的应用之中,微软云及企业群组副总裁Joseph Sirosh表示。
虽然机器学习软件已经问世有几年时间了,但是并不易于使用或者部署,而且非常昂贵。微软通过将机器学习即云服务打包来解决这些问题,并且首次将其推向市场,以此抗衡Google、Amazon和IBM等竞争对手。Sirosh表示:“我认为,在这个特殊的市场领域,我们是领导者。”
而对于微软来说,将Sirosh招致麾下给公司来了一项变革。他在去年7月从Amazon加入微软,他曾经在Amazon工作9年时间,担任过各种机器学习相关角色的副总裁。Sirosh表示,前微软首席执行官Steve Ballmer和现任首席执行官Satya Nadella(曾经是云及企业群组领头人)聘请他帮助微软打造一个可以实现机器学习“民主化”的平台。“之所以机器学习需要民主化,是因为到目前为止,这还是一个只有少数高科技人才才能碰触的领域。”
微软从1992年开始开发机器学习技术,如今在其Xbox、Bing以及Windows Phone的数字助理Cortana中使用这项技术。机器学习还可以有效地防止欺诈和预测消费者的购买行为。Sirosh表示,微软有100多家合作伙伴正在使用Azure机器学习预览版。
Versium是一家总部在华盛顿雷蒙德的微软合作伙伴公司,该公司在其专有的LifeData预测分析服务中采用Azure机器学习技术,将其与来自客户的CRM、市场营销及其他内部系统的数据相结合,让Versium生成预测消费者行为的“分数”,Versium首席执行官Chris Matty表示。
信用分数就是一个简单的例子,但是Versium目前正在开发其他多种类型的分析,借助领先的消费者品牌,而且使用微软Azure机器学习服务进行构建。Versium的分数可用于验证网上购物者的身份,预测他们取消一项服务而转向竞争对手的可能性,并评估他们在社交媒体上的影响力等等。Matty指出,“他们都设计回答这些问题:我的哪些客户可能会欺诈我?谁会对我的业务做出贡献?”利用Azure机器学习,“我们可以注入数据,建立我们的模型,调整并且在数周时间内进行部署。”
Neal Analytics是一家总部在西雅图的微软合作伙伴公司,该公司销售副总裁Greg Gomez表示,他的公司正在使用Azure机器学习来帮助一家电子商务公司获得更好的广告位置。Neal Analytics正在使用Azure机器学习来预测获取特定的广告位置需要出价多少。这项服务配合Neal Analutics自己的超过10万个关键字组合,每个都包含像卖方和买方的位置、这个词条多久被搜索一次等属性。“Azure机器学习让我们能够自动搜索和发现这些与竞价和位置相关的不同属性之间的关联。”Gomez这样表示。
MAX451是一家总部在西雅图的微软合作伙伴公司,这家公司也是Azure机器学习技术的早期采用者,他们使用这项服务来构建一个可以自动变更管理流程的应用。MAX451公司首席执行官Kristian Kimbro Rickard表示,这项服务能够处理一些以前需要高薪聘请数据科学家才能完成的任务。
数据科学家可能是今天科技行业中最抢手的人才了,因此Azure机器学习对于那些不能负担得起聘请这些科学家的公司具有很大吸引力。
当微软将其作为一项付费服务发布的时候,价格大约是每小时0.38美元,微软还将为每1000条预测收取0.18美元的费用,外加部署网络服务收取每小时0.75的计算费用。Sirosh表示,这个定价比市场中现有机器学习软件便宜100倍。这是因为微软是根据使用率和计算小时数收费的,而不是高昂的前端软件许可费用。
Sirosh表示,Azure机器学习预览服务目前功能已经齐全,但是微软仍然在进行微调使其可以满足服务等级协议。“它需要一些打磨的时间使其能够符合SLA,并且足以令人信服,我猜还需要几个月的时间。”Sirosh这样表示。
微软正在与多家厂商就Azure机器学习服务谈合作,Sirosh表示,一些大公司将利用这项服务构建预测分析应用,而且这将在未来几个月内公布。
“机器学习一直很难做到,因此人们只把它运用于解决最高价值的难题上。现在这项技术易于使用,每个开发者都可以开始使用它了。”Sirosh这样表示。
好文章,需要你的鼓励
Meta宣布为Facebook Dating推出AI聊天机器人助手,帮助用户找到更匹配的对象。该AI可根据用户需求推荐特定类型的匹配者,并协助优化个人资料。同时推出Meet Cute功能,每周提供算法选择的"惊喜匹配"。尽管18-29岁用户匹配数同比增长10%,但相比Tinder的5000万日活用户仍有差距。AI功能已成为约会应用标配,Match Group等竞争对手也在大力投资AI技术。
字节跳动团队提出RewardDance框架,首次系统性解决视觉生成中的奖励模型扩展问题。该框架通过将奖励预测转为生成式任务,并将模型规模扩展至260亿参数,同时集成任务指令、参考样例和推理能力,有效解决了"奖励作弊"问题。实验显示,在文本生成图像任务中质量提升10.7分,视频生成性能改善49%,达到行业领先水平,为AI视觉创作提供了更强大可靠的技术基础。
Neo4j认为已找到让生成式AI访问图数据库记录的方法。图数据库专注于数据点之间的关系建模和查询,在欺诈检测、推荐引擎等场景中表现出色。2024年4月,ISO批准了图查询语言GQL标准,Neo4j的Cypher查询语言完全符合该标准。现代工具提供拖拽式工作流程,GenAI可作为自然语言接口,将用户请求转换为Cypher查询。
ByteDance团队开发的Mini-o3系统通过深度多轮推理突破了传统AI视觉理解的局限。该系统能像人类侦探般进行几十轮的视觉探索,在困难的视觉搜索任务上准确率达48%,相比现有模型提升显著。核心创新包括挑战性的Visual Probe数据集、多样化推理策略训练和突破性的过轮掩码技术,实现了测试时思考轮数的自然扩展。