至顶网软件频道消息: 随着人工智能的火热,现在每一家技术厂商都在匆匆忙忙地将人工智能的标签贴到自己的产品和服务上。直到今天之前,我们一直都还认为微软避免在Windows上贴人工智能标签的方面表现得相当不错。
但是这种情况到3月7日已经发生了改变,该公司最近的Windows Developer Day活动发布了新的消息。吸引了大家的眼球。
微软正在告诉开发人员,下一个发布的Windows 10版本仍将按照其代码代号命名--"Redstone 4",该版本将使开发人员能够"使用人工智能以提供更强大、更引人入胜的体验。"
微软的高管们表示,Windows 10中现在有了一个人工智能平台,使开发人员能够"在其Windows 10设备上的应用程序中使用预先训练好的机器学习功能。"
这到底是什么意思?
我们认为微软正在试图寻找将其Windows 10 PCs融入该公司的"智能云,智能端"使命之中的方法。智能端在去年的Build开发者大会上是一个很热门的流行词。(估计在今年5月份的Build大会上也会是一大主题。)简而言之,它意味着在边缘设备--物联网设备、手机、HoloLens 之类的AR/VR头戴式设备和PC上进行更多的本地处理,这样开发者和用户能够获得更好的性能。
微软的官员们告诉开发者,他们可以利用PC的本地处理能力进行分析和处理--他们目前已经能够做到这一点。他们还建议开发者可以使用微软的云人工智能平台,在Azure中使用培训模式,并在云中处理工作负载--两者都是他们今天就可以做的事情。
微软已经宣布Windows支持ONNX,这是一种不断发展的机器语言模型标准格式,得到了微软、Facebook和亚马逊的支持。微软的官员们表示,从Visual Studio Preview 15.7预览版开始,开发人员可以将ONNX文件添加到通用Windows平台(Universal Windows Platform)项目之中,让它们能够自动生成模型。
也许所有这些关于人工智能的言论都只不过是微软在试图让Windows 10对于华尔街以及其他的一些只关心这家雷德蒙德的公司如何实现云智能的人来说显得更加有趣。否则,我不确定是否还会有这么多这些消息。
凭借其Office服务、Bing、认知服务和某些微软制作的应用程序(例如Photos应用程序),微软正在更多地利用人工智能技术。但通过宣称Windows 10 Redstone 4包含了具有某种独特性的人工智能平台,Windows团队也已经踏上了人工智能之路。
信息更新:微软在网络广播期间发布了一个名为Windows ML的、新的Windows 10应用程序编程接口(API)的预览版。该公司的官员们表示,该API将使开发人员能够构建机器学习模型、在Azure中进行训练、然后直接使用Visual Studio将其放进他们自己的应用程序之中,然后在他们的电脑上运行这些模型。他们表示,Windows ML将在2018年的某个时间推出。
微软的官员们表示,Windows ML将在未来某个时刻与专门针对人工智能的处理器协作,例如英特尔的Movidius VPU。
信息更新第二波:这里是来自这家公司其他部门关于今天发布的这个消息的意见。
微软的机器学习博客发布了一篇标题为《可以在上百万的Windows 设备上本地运行的ONNX模型》(ONNX Models to be Runnable Natively on 100s of Millions of Windows Devices)的博客文章,这篇文章解释了开发人员可以如何将ONNX模型纳入他们的应用程序,以便在具备硬件加速功能的设备上本地运行这些应用程序。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
微软研究院提出潜在分区网络(LZN),首次实现生成建模、表示学习和分类任务的真正统一。该框架通过共享高斯潜在空间和创新的潜在对齐机制,让原本独立的AI任务协同工作。实验显示LZN不仅能增强现有模型性能,还能独立完成各类任务,多任务联合训练效果更是超越单独训练。这项研究为构建下一代通用AI系统提供了新的架构思路。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
上海AI实验室开发的VLAC模型让机器人首次具备真实世界自主学习能力。该系统如同给机器人配备智能导师,能实时评估动作效果并从中学习。在四个操作任务测试中,机器人成功率从30%提升至90%,仅需200次练习。技术结合视觉、语言理解和动作生成,支持跨场景适应和人机协作,为家庭服务、医疗护理等领域应用奠定基础。