ZD至顶网软件频道消息:微软昨天宣布将开放第三个物联网与人工智能内部实验室(IoT & AI Insider Labs)。新的实验室坐落于德国慕尼黑,从4月开始启用,将在现有位于美洲(华盛顿雷蒙德)和亚洲(中国深圳)基础上进一步覆盖EMEA地区。
使命
这个实验室的使命是为物联网和人工智能领域的初创公司提供设施和专业知识,提供的设施包括激光切割机、回流炉和3D打印机,此外还有拥有物联网硬件、嵌入式系统软件、云工程设计、物联网、机器学习和人工智能方面专业技能的人员。初创公司可以申请使用该实验室,如果申请被接受,他们计划参加1-3周的短期培训,让他们不受阻碍、超越原型阶段、并准备进入市场。
当然,此举的目标是让这些公司在起步阶段构建人工智能和物联网生态系统,同时将微软的物联网和人工智能技术传播给这个领域的初创公司。这将有助于让微软成为云和机器学习领域的领导者,突显了一直以来微软专注合作伙伴的核心。
堆叠
在关于该实验室的公关材料中,微软提到了通过提供物联网和人工智能“完整堆栈”经验来帮助客户。这个所说的“堆栈”是一个旧的软件行业术语,用于描述垂直集成(或者“堆叠”)的产品和技术集合,其中包含从低级操作系统环境和存储库到更高级的设施、工具和开发套件。
虽然这个行业习惯于在Web开发背景下听到“完整堆栈”这个词,但对于人工智能和物联网的应用来说还是一个比较新鲜的现象。这不是没有道理的,考虑到下面微软提供的相关的Azure服务:
- Azure Event Hubs
- Azure IoT Hub
- Azure IoT Suite
- Azure Stream Analytics
- Apache Kafka for Azure HDInsight
- Azure Machine Learning
- Spark MLLib on Azure HDInsight
- Azure Cognitive Services
微软提供上面这些服务来完善物联网和人工智能产品,处理来源于物联网设备的数据流,通过物联网数据以及/或者对这些数据的评分来构建机器学习模型,这些的工业用例十分广泛,包括预防性维护、网络优化、医疗保健和客户分析。
混合云
除了上面的云服务之外,下面的微软技术也与物联网和人工智能相关:
- Analytics Platform System(基于ASP——一种数据仓库设备——版本的SQL Server)
- SQL Server Analysis Services
- Power BI
- Cognitive Toolkit(也就是CNTK,Computational Network Toolkit)
上面大多数技术都可以用于本地和私有云中。APS仅用于内部环境,但是结合Azure SQL Data Warehouse和HDInsight提供了相似的功能。Azure Analysis Services目前已经可以预览,Power BI有桌面和云服务组件。
计算机即网络
CNTK提供了一系列基于神经网络的深度学习算法,使用这些算法可以对模型进行培训和测试,然后将模型用于评分新的数据;换句话说,可以用于预测分析。CNTK可覆盖服务器集群,利用图形处理单元(GPU)以及传统CPU,处理巨大的数据集。CNTK可以从Python和C++代码以及CNTK原生的BrainScript语言中调用。
CNTK某种程度上类似于Google的TensorFlow,但是微软称CNTK在培训时间方面的表现远远优于TensorFlow。这两者都是开源,但是采用不同的许可。
那么Cognitive Toolkit又是如何被微软用于云领域的?首先,CNTK可以用于在Azure虚拟机和Jupyter教程笔记本中进行评估,此外Azure中也提供了CNTK。CNTK工具套件还可以部署到生产中构建Azure虚拟机集群,包括Azure N系列虚拟机,配置的NVIDIA GPU可以被CNTK充分利用。
推广、布道、教育市场
凭借着所有这些技术,更不要说还有Windows 10 IoT Core以及微软版本的Raspberry Pi 2,微软真正地为物联网和人工智能提供了一个堆栈。这样一种堆栈是很新鲜的,考虑到它集成了Azure云和辅助服务(包括原始计算和存储),还有很多教育和布道工作要做。
微软需要在教育/布道方面加大力度,不仅是推动物联网/人工智能堆栈本身的普及,而且还要巩固微软作为一家云计算公司的业绩表现、认可度以及成功。考虑到这个堆栈的潜在采用者大多数是资源有限的初创公司,他们仍然在努力跟上前沿技术的发展步伐,所以这种实体实验室似乎是正确的方向。
决策2017
正如竞选一样,微软需要走出去、与选民亲密接触,建立信任、赢得信任、获得选票,赢得大选。微软不能只是打打电话,像常用的竞选手段,不能想的理所当然,否则就会令人失望地败选。
但是与政治不同,微软不能利用虚假的消息,或者任何类似的手段来赢得胜利。一旦有了具体的采用、大量现场和保留使用服务,签署企业协议,被行业认可为业界标准提供商,这才是赢得胜利。
考虑到这一点,微软应该很快会启动更多的物联网和人工智能内部实验室。
好文章,需要你的鼓励
法国AI初创公司Mistral AI发布了首个大语言模型全面生命周期评估,量化了AI的环境代价。其Mistral Large 2模型训练产生20,400吨二氧化碳当量,消耗281,000立方米水。运营阶段占环境影响85%,远超硬件制造成本。研究表明地理位置和模型大小显著影响碳足迹,企业可通过选择适当规模模型、批处理技术和清洁能源部署来减少环境影响。这一透明度为企业AI采购决策提供了新的评估标准。
上海AI实验库推出YUME系统,用户只需输入一张图片就能创建可键盘控制的虚拟世界。该系统采用创新的运动量化技术,将复杂的三维控制简化为WASD键操作,并通过智能记忆机制实现无限长度的世界探索。系统具备强大的跨风格适应能力,不仅能处理真实场景,还能重现动漫、游戏等各种艺术风格的虚拟世界,为虚拟现实和交互娱乐领域提供了全新的技术路径。
许多人认为一旦实现通用人工智能(AGI)和人工智能超级智能(ASI),这些高度先进的AI将能够告诉我们人生的真正意义。然而,巅峰AI可能无法明确回答这个史诗般的问题。即使AI拥有人类所有知识,也不意味着能从中找到生命意义的答案。AI可能会选择提供多种可能性而非绝对答案,以避免分裂人类社会。
上海AI实验室研究团队开发了革命性的AI编程验证方法,让大语言模型能够在最小人工干预下自动生成和验证程序规范。该方法摒弃传统的人工标注训练,采用强化学习让模型在形式化语言空间中自主探索,在Dafny编程验证任务上显著超越现有方法,为AI自主学习开辟新道路。