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
Adobe 周二宣布推出适用于 Android 系统的 Photoshop 应用测试版,提供与桌面版相似的图像编辑工具和 AI 功能,初期免费使用,旨在吸引更多偏好手机创作的年轻用户。
弗吉尼亚大学研究团队开发了TruthHypo基准和KnowHD框架,用于评估大语言模型生成生物医学假设的真实性及检测幻觉。研究发现大多数模型在生成真实假设方面存在困难,只有GPT-4o达到60%以上的准确率。通过分析推理步骤中的幻觉,研究证明KnowHD提供的基础依据分数可有效筛选真实假设。人类评估进一步验证了KnowHD在识别真实假设和加速科学发现方面的价值,为AI辅助科学研究提供了重要工具。
文章详细介绍了Character.AI这款主要面向娱乐、角色扮演和互动叙事的AI聊天工具的原理、用户群体、特色功能以及面临的法律与伦理争议,同时揭示了其新推出的视频和游戏互动体验。
亚马逊Nova责任AI团队与亚利桑那州立大学共同开发了AIDSAFE,这是一种创新的多代理协作框架,用于生成高质量的安全策略推理数据。不同于传统方法,AIDSAFE通过让多个AI代理进行迭代讨论和精炼,产生全面且准确的安全推理链,无需依赖昂贵的高级推理模型。实验证明,使用此方法生成的数据训练的语言模型在安全泛化和抵抗"越狱"攻击方面表现卓越,同时保持了实用性。研究还提出了"耳语者"代理技术,解决了偏好数据创建中的困难,为直接策略优化提供了更有效的训练材料。