ZD至顶网软件频道消息: 当微软将把Ubuntu引入Windows 10的消息传出时,官方的理由是它只是针对将Bash移植到Windows之中。笔者曾经预言,Linux Bash是伟大的,我们很快就会看到“人们试图将包括桌面在内的所有Linux用户空间程序移植到Windows之上。”
在Windows Subsystem for Linux(WSL)发布的几天之后,黑客们就将Linux图形程序运行在了Windows Ubuntu之中。
方法很简单,安装了WSL和Ubuntu之后,你要做的第一件事就是为Windows增加一个X Window服务器。笔者使用的是Xming X Server for Windows。Windows上的Ubuntu现在没有附带原生的X服务器或者Ubuntu自己的X替代品Mir。Xming是一个基于针对微软Windows 的X.org代码的Linux交叉编译服务器,它主要是为了通过SSH实现安全运行,远程Linux和Unix X Window应用程序,但是它也能够很好地作为本地X服务器工作。
接下来,需要让WSL和Ubuntu运行起来。运行起来之后,用Bash命令“apt-get update”更新Ubuntu的高级打包工具(Advanced Packaging Tool,APT)资料库。由于WSL上的Ubuntu在启动的时候自动运行,因此客户不需要在命令中增加sudo运行它了。
一旦资料库完成了更新,你就可以安装Linux GUI应用程序了。笔者和其他人一样选择了安装Firefox,当然也可以尝试任何不需要特定Linux GUI工具包,例如GTK+、Tck/Tk或Qt支持的应用程序。运行Bash命令“apt-get install firefox”安装Firefox之后,再用“DISPLAY=:0 firefox”命令运行。然后,如果一切都顺利的话,你将可以在Windows桌面上运行Linux桌面应用程序了。
当然,它可能不会运行得很好,毕竟这是在测试平台上运行一个图形程序,而这个测试平台的目标并不是运行带有图形用户界面的软件。笔者进行了尝试,但是结果却并不怎么好:Firefox经常崩溃,而且不止一人遇到这个问题,现在唯一能够运行正常的Linux桌面应用程序是Vim文本编辑器。
这些程序不会运行得那么快,即便它们能够运行的话。这是因为X服务器不会缓冲或者直接渲染图形。毕竟X11协议是一个针对图形的网络协议。它被用于Unix和Linux之上的图形已经很多年了,但是如果没有其他帮助,它对于图形并不够有效。因此,Wayland作为X Window服务器的替代品兴起了。
Canonical——在任何情况下都能帮助Mir支持显示服务器——在近期都不会帮助把图形程序移植到WSL。Canonical 的Ubuntu 产品和战略执行团队成员Dustin Kirkland对我表示这些不受支持的Linux应用程序的出现显示了“开放源代码社区的力量!” Kirkland继续表示,这也就是说,“Canonical和微软目前侧重于Windows上的Ubuntu的命令行和开发者工具。”
所以,是否将所有的Linux桌面应用程序以及最终把Linux桌面放到Windows Ubuntu中完全取决于用户自己。这一幕会出现的。我对于开放源代码黑客非常有信心。而且,有一位程序员已经想方设法用cygwin让xfce Linux桌面运行在Windows 10之上了。这样看,让更多的Linux图形程序运行在WSL上只是一个时间问题。
好文章,需要你的鼓励
YouTube在年度Made on YouTube活动中发布多项更新,包括Studio新增"相似度"检测和唇同步配音功能,YouTube Live支持迷你游戏和双格式同步直播,Shorts集成Veo 3 AI视频生成模型。此外还推出播客AI剪辑工具、新的货币化选项如品牌合作和购物标签功能,以及YouTube Music的粉丝互动新特性。
Orange Research团队开发的DivMerge技术实现了AI模型合并的重大突破,通过基于信息论的Jensen-Shannon散度优化,能够将多个专门模型智能组合成保持各自专长的"超级模型"。该技术在双任务合并中达到99.18%性能保持率,显著优于传统88.48%的水平,且在多任务场景下展现更好扩展性,仅需25个样本即可有效工作,为AI应用降本增效提供了新路径。
英国政府与美国数据分析公司Palantir达成国防合作协议,该公司将投资15亿英镑并在英国设立欧洲国防总部,创造350个就业岗位。双方将合作开发AI驱动的军事决策和目标定位系统,这些技术已在乌克兰得到测试。该协议是英国战略防务评估的重要组成部分,旨在提升军事规划和目标选择能力。此次合作是美国科技巨头对英国310亿英镑投资承诺的一部分。
腾讯AI实验室联合多所知名高校开发了一种名为CDE的新型AI训练框架,通过模仿儿童的好奇心学习机制,让大语言模型能够自主探索未知领域。该方法使用两套"好奇心传感器"指导模型学习,在数学推理任务上平均提升3个百分点,同时解决了传统方法中的"校准崩塌"问题,为开发更智能自主的AI系统开辟了新路径。