至顶网软件频道消息:
在探讨G&J百事可乐瓶装饮料的相关研究与生产议题时,我们有幸与微软公司集团副总裁Brad Anderson进行交流,旨在探讨云计算为IT实施者带来的种种机遇与挑战。
Anderson谈到IT领域瞬息万变的特性,并表示用户对于应用程序及解决方案的最低预期在于以无缝化方式同其消费级技术进行对接。
Anderson解释称,“我认为整个世界正随着IT专业人士极快的发展变化速度而出现根本性转变。数据开始由移动设备端移动至云环境下,但仍然要求我们对其加以严格保护。这意味着传统的、基于周边保护思路的安全模式已经无法继续起到应有的防御作用。”
“其次,攻击活动的复杂程度正在逐步提升,其更具针对性且技术水平更高; 第三,用户的期望亦在不断增长,这就要求IT专业人员努力高潮满足用户的要求与预期,帮助其将数据全部转移至云环境当中以支撑业务流程,同时满足其对于随时随地处理工作的客观需要。”
通过数十年来的Office生产力经验与自身用户及软件管理专长加以结合,微软公司已经构建起一套基于云的新型框架,负责确保IT人士能够支持移动用户并保证必要的安全性与控制能力。
Anderson解释称,“我们拿出一整套用于简化IT日常工作的解决方案,其能够摆脱一切移动部件兼容性所带来的复杂因素,且无需将这些移动部件整合起来——相反,其能够以综合性方式考量企业的移动性要求。”
他同时补充称,凭借着Office 365带来的随时随时地生产力交付能力,用户将继续拥有其熟知的应用环境。IT管理者能够利用Azure Active Directory实现身份管理与单点登录,Intune则可用于对设备进行配置及管理——而无需设定任何操作系统种类限制。微软方面将云计算的功能与用户的行为分析加以匹配,同时根据用户及设备的位置外加其它因素共同决定访问的限制条件。
他进一步解释道,“通过对云计算、机器学习以及人工智能等能力的运用,我们实际上已经能够基本确定遭到盗用或者被用于组织攻击活动乃至数据窃取的用户帐户。我们面对的七成以上攻击与数据泄露事故皆来自用户身份冒用,因此我们相信随着生产力、管理、身份以及安全性机制的深度结合,这类综合性解决方案将帮助企业在最大程度发挥员工生产力的同时迎来良好的数据保护成效。”
尽管仍有相当一部分受众认定云计算服务的安全性不及内部解决方案,但Anderson指出微软的云服务采用率一直在快速增长。
他回忆称,“几年之前,很多客户都会强调这样的事实:我们只打算使用云服务处理某项特定任务,其它的都不谈。但时至今日,这样的说法已经越来越少。事实上,整个世界对于云服务更加认可且包容,我认为面向Office 365的转变已经使得越来越多的企业获得更为强大的安全保护能力。”
他同时指出,在医疗卫生以及金融服务这类对于安全风险极为敏感的行业当中,企业对于云计算方案的接纳态度也越来越开明。他表示,“在看到这些企业开始投身于云端时,我意识到我们已经解决了安全性与可靠性这两大难题。”
对于考虑采用或者扩展云服务的企业而言,Anderson建议称“我个人认为首先应该认真考量您将要开始采用的核心方案,思索其是否适合移动生产力要求?邮件是否具备安全保障?身份信息是否受到严格保护?具体来讲,大家首先应当设置一套具体的场景,而后为其设置目标与发展里程碑,例如在特定日期之前我们应当将使用量提升至怎样的水平或者在特定日期之前对多少位用户的身份信息加以保护。”
“通过设置这些积极的目标、敦促每位相关人员参与其中并为其分配明确的责任与职能,这些目标与进度日程都将得到逐步实现。在此之后,大家只需要继续保持专注并尽快行动及部署即可。”
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。