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
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。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
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。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。