至顶网软件频道消息: 2018年5月21日,2018 微软人工智能大会(AI Innovate)在北京召开,微软大中华区副总裁兼市场营销及运营总经理康容与合作伙伴一道,在大会上分享了如何通过微软的智能云平台Azure,运用Office 365与Dynamics 365将人工智能带入寻常百姓之家。
在大会上,康容向大家介绍到:“微软智能云平台Azure就是全球庞大的计算机,是最好的AI平台。无论是平台服务、应用服务还是数据上面的服务都可以进行支持。
AI真正落地,除了需要有智能的平台进行支持外,还需要有适用的场景。下面康容向我们如何微软通过Office 365和Dynamics 365协助全世界每一个人跟每一个组织成就不凡。
所谓的普及化人工智能,是在微软全部的产品线中,都包含进人工智能技术,例如Windows、Office等等。
各位知道Office 365是全世界最普及的生产力工具。相信各位无论是室内或者在线上的朋友们,有很多人在使用Office 365。但是你知不知道每一天使用Office 365的人可能每天都在用微软的人工智能技术。其实Office 365已经有超过50种不同的功能,背后就是使用微软的人工智能技术。
在我们的日常工作中,我们经常避免不了这种跨地域,或者跨文化的沟通,在Office 365里面只需要通过一个按钮翻译邮件,甚至不需要告诉这封邮件需要什么语言,希望翻译成什么语言,这封邮件已经被快速的翻译成用户所熟知的语言。当然用户间进行沟通的时候,即便不会说法语、英语,只需要可以讲一口非常流利的中文,就可以用中文的方式回复这封邮件。然后选择用什么样的语言,翻译到什么样的语言。可以看到它非常流利的就帮助用户把这封邮件翻译出来,直接回复给海外团队。在这后面就是微软人工智能后扮演的重要角色。
除了语音语义,Office 365还可以实现图形图像、手写识别、地理信息、客户数据以及时间轴的信息整理工作。并且在Office 365后台还整合了非常强健的智能安全防护能力,可以帮助我们预测并且防范很多潜在的风险。
Dynamics 365是微软的CMR和ERP的系统,协助管理客户,将数据变成智慧,分析行动和行为。下面康容介绍了怎样使用Dynamics 365的人工智能分析能力,帮助用户实现业务提升。
Dynamics的后台人工智能分析,可以帮助用户把名下的商机通过红绿灯的方式展示出来。通过这些商机和客户之间的关系紧密程度分析,以及相应的一些趋势,还有相应的分值就能一目了然知道这些商机,把用户的精力投入到最有价值或最有潜力的机会中去。在这后面都是利用Dynamics的机器学习方式分析了和客户所有的交往记录,还有客户邮件文本里面的意图和情绪,来得出的结果。
在康容与其同事介绍完Office 365与Dynamics 365背后的“黑科技”后,又向我们展示了微软如何利用微软的刷脸科技实现精准医疗:目前辉瑞通过微软的刷脸技术分析人的喜怒哀思悲恐惊这7种表情,就以对用户是否抑郁进行判断。
除了对精神状态进行判断之外,微软还可以协助医生通过机器学习的方式,将病例里面大量的非结构化的数据转化成一个结构化的数据,让机器把有用的东西提取出来。
当一个病人来到医院的时候,后面的系统就可以找到相似的病人,向医生提供这些病人的治疗方法以及疗效,效果最好的返回来就找到了最佳的临床路径。如果把协和医院的病例都放进去,系统就能够达到协和医院的水平,我们北京所有的医院放进去,就可以达到全北京医院的医疗水平。
现在的系统,可以做得到一键生成评估报告,知道你的风险是多少,你应该怎么治疗。同时,还可以做到一键生成处方,并把所有的危险因素该如何应对同时进行罗列。处方出来的同时,也会让医生了解,为什么做这个处方。后面的知识、数据通通可以呈现给用户,同时告诉病人你回家怎么看病,这就是未来的医疗之路。
目前厦门市一共380万人口,共有38个社区,19个在用这套系统,目前标准化治疗率提升了45%,而且病人治疗的达标率提升了23%。
最后康荣总结到:今天我们看到无论是大企业、小企业、开发者、消费者,各个行业,医疗、游戏、教育、管理、家庭,制造业、零售商、金融行业等等,都会利用人工智能完全转型,这个数字化转型的力量只会加速。希望大家今天得到很多收获,谢谢大家!谢谢!
好文章,需要你的鼓励
树莓派基金会调查发现,尽管60%的家长认为编程是孩子的重要技能,但超过70%的家长表示孩子在正常课程中没有学习编程。该基金会CEO指出,随着AI技术快速发展,年轻人掌握技术理解和创造能力比以往更重要。超半数家长认为编程应成为必修课程,并相信学习编程能提升孩子未来职业前景。为填补学校教育空白,基金会呼吁在学校和图书馆广泛设立编程俱乐部,目标到2035年全球教授1000万儿童编程技能。
Patronus AI发布突破性研究,构建了首个系统性AI代理错误评估体系TRAIL,涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%,揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限,为构建更可靠的AI系统指明方向。
文章介绍了AI大语言模型中最新的深度研究功能,这是目前最令人印象深刻的新功能之一。作者详细解析了ChatGPT、Claude和Gemini等主流模型的使用方法,并重点展示了深度研究功能的实际应用。通过实际测试,作者用ChatGPT 4.5的深度研究功能生成了一份关于1990-2025年最令人厌烦歌曲的详细报告,展示了AI如何通过思维链进行深度研究和分析。文章还提到了语音交互模式将进一步改变用户与AI的交互体验。
这项研究首次从理论和实践证明AI模型可通过模仿生物睡眠-学习周期显著提升性能。研究发现AI训练中存在自发的"记忆-压缩循环",并据此开发了GAPT算法,在大语言模型预训练中实现4.8%性能提升和70%表示效率改善,在算术泛化任务中提升35%,为AI发展指出了注重信息整理而非单纯数据扩展的新方向。