微软刚刚宣布Windows 10的下一个主要版本将支持人工智能(AI)和机器学习(ML)。但是,抛开市场炒作的因素,微软知道人工智能和机器学习真正的重担是在云端的开源软件上。这就是微软Azure的首席技术官Mark Russinovich在加利福尼亚州Sonoma召开的Linux基金会的开放源代码领袖峰会(Open Source Leadership Summit,OSLS)上传递的消息。
Russinovich开宗明义地表示:
人工智能科技和技术正在经历复兴。开源技术和社区的库和框架推动了自我教育机器学习开发人员的增长。云的计算能力使得大数据集的处理成本变得高效且普遍。随着越来越多的研究不断地被完成并在整个社区共享,我们将继续看到会有更多的智能应用程序采用各种各样的开放源代码技术,这些技术跨越了所有的处理平台。
具体而言,他举了两个微软正在使用云计算和开源软件来帮助客户提供解决方案的例子。第一个例子是劳斯莱斯的飞机发动机使用机器学习来跟踪它们的磨损状况。然后,这些数据将与人工智能一起用于发动机的主动维护。
微软还利用了大约二分之一的云计算和开源软件来支持DiagnosticX智能疾病预测架构(DiagnosticX Intelligent Disease Predictive Architecture),这是一个测试版的程序。它的首个用途就是检查来自美国国立卫生研究院(National Institute of Health,NIH)的X光数据库的X光图片。然后使用Visual Studio for AI和Azure Machine Learning将这些数据提供给诸如Core ML、Google TensorFlow和ONNX之类的开源机器学习和人工智能分析程序。最终的结果可以使用网页界面读取,可以用来诊断肺炎。
为什么要使用这些科技手段?因为X光机比放射科医生多得多。仅仅在美国,就有50,000名儿童死于肺炎,任何能够帮助及时发现这种致命疾病以便进行治疗的工具都是一种胜利。
Russinovich表示,是什么使得这些程序能够被创建出来?是云计算。我们之前没有取得太多进展,是因为只有到了现在,云计算才给了人工智能和机器学习开发人员一直需要的东西。也就是随需应变的、可扩展的计算能力,而且成本低廉,具有几乎无限的存储空间和高速GPU处理器,例如英伟达的Tesla K80和P100s。
综合下来,这为人工智能和机器学习开发人员提供了他们进行实验一直需要的资源。正如Russinovich所说的那样:“人工智能和机器学习是艺术,我们需要进行尝试。”
根据Russinovich的说法,实现这一目标的工具、程序和框架几乎都是开源的。“从MySQL PostgreSQL、Hadoop、Cassandra和NoSQL数据库开始,它们都是完全开源的。对于分析和预测,你可以使用Rand SPARK。而最受欢迎的深度学习库TensorFlow、Keras和Caffe也都是开源的。”
Russinovich继续表示:“早在2007年,机器学习专家就认为开放源代码是人工智能和机器学习的正确方法。现在两者都是基于开源的。”
在开放源代码和云计算之间,Russinovich认为人工智能和机器学习改变了每个行业,这不是营销炒作。
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。