至顶网软件频道消息: 微软公司副总裁、人工智能与研究首席技术官David Ku在一篇博客文章中宣布,微软收购位于美国加州伯克利的会话人工智能公司Semantic Machines。Semantic Machines开发的自然语言处理技术将被整合到微软产品中,如Cortana和Azure Bot Service。
Semantic Machines在其网站上表示,现有的自然语言系统如苹果Siri、微软Cortana和Google Now只能理解命令,而不能理解对话。但是,Semantic Machines的技术可以理解对话,而不仅仅是命令。目前各种数字助理可以处理的最典型的命令包括天气报告、音乐控制、设置计时器和创建提醒等。Ku表示:“为了进行丰富而有效的沟通,智能助理需要能够进行自然对话,而不仅仅是响应命令。”
Semantic Machines联合创始人兼首席执行官Daniel Roth是一位技术企业家,他还曾创建了Voice Signal Technologies公司(2007年被Nuance Communications以3亿美元收购)和Shaser BioScience公司(2012年被Spectrum Brands以1亿美元收购)。是Semantic Machines联合创始人兼首席财务官Damon Pender,之前曾是TeraDiode、Shaser BioScience和NeoSaej的首席财务官。Semantic Machines的联合创始人兼首席技术官Larry Gillick曾担任Dragon Systems研究副总裁、语音信号技术核心技术副总裁、Nuance移动设备研究副总裁、苹果Siri首席语音科学家。Semantic Machines联合创始人、首席科学家兼研究副总裁Dan Klein是加州大学伯克利分校的计算机科学教授,此前曾担任Adap.tv的首席科学家。
Semantic Machines的核心产品之一是其Conversation Engine,该引擎从语音或文本等自然输入中提取语义意图,然后生成一个自我更新学习框架,用于管理对话上下文、状态、特点以及最终用户的目标。此外,对话引擎自然语言生成(NLG)技术基于对话上下文与用户进行交流。Ku补充道,Semantic Machines利用机器学习来让用户“以更自然的方式发现、访问信息和服务并与之互动,大大减少工作量。”
微软成为首家为对话式AI系统增加全双工语音感的公司,让用户自然地与小冰和Cortana进行对话。小冰在美国、中国、印度、日本和印度尼西亚的用户达到2亿,对话总量超过300亿次,平均每次达30分钟。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。