人工智能已成为云市场的关键竞争点。近日,微软对其Azure平台进行更新,旨在加强与竞争对手的竞争实力。
微软推出了Custom Vision的公开预览版,该工具让开发人员可以训练模型以处理特定类型的图像。例如,一家电子商务公司可以使用其在线店面中的媒体内容来开发一种AI,该AI可以使用适当的类别标签自动标记产品照片。
使用紧密匹配现场处理收集的样本数据来训练模型,这样做的准确性要高于预训练型计算机视觉服务。AutoML Vision也具有类似的有点,这是谷歌公司在1月份推出的用于其公有云的AI开发工具。谷歌计划陆续将这一训练功能扩展到除了对象识别之外的其他用途。
微软也瞄准了广泛的应用。除了Custom Vision之外,微软还宣布用于面部和情绪检测的Face API服务全面上市,并进行了多项改进。
微软这次最主要的变化就是提升了可扩展性,使该服务能够识别图像中多达一百万个不同的个体,这对于大规模使用Face API的组织来说是很方便的。举例来说,一家媒体公司可能希望根据出现在照片的中来对照片进行归档,以便未来更容易地进行识别。
最后,微软还发布了Bing Entity Search ,其可以让开发人员利用微软的搜索引擎帮助用户在其应用中找到所需的信息。
在微软推出一系列面向医疗行业的云计算新品之后,各种更新接踵而至,其中一个亮点是Microsoft Genomics,这是一个旨在支持大型临床研究项目的托管平台。医疗研究人员使用基因组数据了解不同患者可能对药物做出反应的方式,并确定最佳治疗方案。
好文章,需要你的鼓励
在AI智能体的发展中,记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类:简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力,能提供持续上下文,而无状态系统每次都重新开始。未来AI需要实现实时记忆访问,将存储与计算集成在同一位置,从而创造出具备人类般记忆能力的数字孪生系统。
香港理工大学联合多所高校开发的Mol-R1框架,首次实现了AI在分子发现中的透明推理。该系统通过PRID方法学习专家推理模式,配合MoIA迭代训练策略,不仅能准确生成分子结构,还能展示完整思考过程。相比现有模型,Mol-R1推理更简洁高效,为药物研发等领域的AI应用提供了重要的安全保障。
OpenAI首席执行官阿尔特曼表示,公司计划在不久的将来投入数万亿美元用于AI基础设施建设,包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象,类似于90年代互联网泡沫,但AI技术本身是真实且重要的。他承认GPT-5发布存在问题,并表示OpenAI未来可能会上市。
蚂蚁集团AWorld团队发表突破性研究,创建动态多智能体协作系统解决AI稳定性难题。研究灵感来源于船舶导航,通过执行智能体和守护智能体的协作机制,在GAIA测试中准确率达67.89%,稳定性提升17.3%,荣登开源项目排行榜第一名。该系统为构建可靠智能系统开辟新路径,具有广阔应用前景。