ZD至顶网软件频道消息:微软日前宣布了收购加拿大蒙特利尔的深度学习初创公司Maluuba的计划,所涉金额未有披露。该收购是微软2017年的第一项收购。Maluuba在自然语言理解和强化学习方面做了一些工作。
微软的人工智能研究部执行副总裁Harry Shum就Maluuba技术可以帮上忙的潜在场景有如下的解释:
“设想一下这样的未来,例如,你不必从部门的目录、文档或电子邮件心急如焚地去找公司的顶级税法专家,而只需与人工智能代理沟通,该人工智能代理利用Maluuba的机器理解功能可以立即对你的要求做出回应。人工智能代理能够回答你的公司在安全合规做法上的问题,它是通过更透彻地理解你的部门的文件和电子邮件内容做到的,而不是简单地像现在做的那样只检索关键字匹配。这仅仅是我们可以想象到的几百个场景中的一个,Maluuba将推动最先进的机器理解技术的发展。”
微软官员表示,Maluuba创始人Sam Pasupalak和Kaheer Suleman将成为Shum部门的一员。
Yoshua Bengio是Maluuba的顾问,亦是蒙特利尔学习算法研究所的负责人。作为交易的一部分,他也将为微软出谋划策并直接与Shum互动。
微软去年9月创立了联合人工智能和研究部,其时原执行副总裁陆奇离职,他曾领导联合Office和Bing部。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。