AI技术唯有下沉到各行各业,普惠生活的方方面面,才能发挥它真正的价值。这意味着,AI技术的平民化将成为必然趋势,而其中的前提是解决技术门槛的问题,让AI技术的使用变得更加简单。
如今,不少科技企业正在通过各种方式释放自己的技术能力,从而实现这一目标。比如,通过开放深度学习平台,帮助开发者更轻松地构建、训练模型;比如,通过规模化的AI工具,帮助企业低门槛创新商业模式;再比如,通过集成AI技术的云应用,帮助普通职员也能享用新技术带来的工作便利。
微软就在这么做。
如微软中国首席技术官韦青此前所说,“微软有一个愿景,就是把AI平民化、民主化。”而不同于当初Windows所带来的电脑平民化,微软AI平民化的标签是通过智能云平台Azure来打牢的。通过在Azure上开放API接口,集成语音、视觉、语言、机器翻译等认知服务,开发者只需要注册微软账户,就可以轻松实现AI应用的体验和尝试。据了解,目前已经有超过100万的开发者正在使用这些认知服务。
以微软智能云上的一项托管服务Azure Batch AI为例,该服务允许数据科学家和开发者以非常简单的方式利用包括GPU在内的Azure云计算资源对人工智能模型进行训练。数据科学家只需明确任务需求,设定输入、存储、输出等设置,其它所有与基础设施管理、规模缩放、批量工作任务相关的繁杂的后台工作都能由Azure Batch AI自动完成。与此同时,如果Azure上的这些认知服务不能满足用户需求,微软还提供了定制化的AI服务,而且这种定制非常简单。
事实上,除了降低技术的使用门槛,微软的AI能力早已渗透到其不同的产品线中,普惠于众。比如Cortana、Office 365、搜索引擎Bing,还有可以作诗唱歌、与人对话的小冰等,这些简单易用的产品和服务背后都是微软AI技术在支撑。
微软已经把越来越多的智能服务集成到Office中,比如你只需按下ALT+Q 这个快捷键,输入想要做的事情,Office 应用程序会聪明地理解你的想法。用户甚至不用学习任何的新功能,只需要专注于自己的工作,新的特性就会自动出现:比如图片的自动排版、自动生成三维动画、为演讲者提供自动多语种实时翻译字幕等等,其中很多功能都和AI有关。据了解,Office自5年前向云服务转型以来,如今全球每个月的活跃用户(MAU)已经达到亿级别。
另外, Cortana作为微软打造的个人信息助理也能够帮助用户快速查看日程安排、了解会议时间和地点,规划适当的差旅时间,甚至从其日历中获取更新以了解未来的行程。
除此之外,微软小冰也是一个很好的例子。小冰诞生于四年前,是一个面向情商(EQ)维度发展的人工智能系统,目前已在中、日等多个国家落地。经过这几年持续不断的技术迭代,现在的小冰功能越来越强大,从初期的简单人机对话发展到今天不仅可以作诗、写文章,还能唱歌,而最新应用的全双工语音技术让小冰的技能又上一层楼,让小冰与人的对话更类似人与人的交流。
毫无疑问,AI的平民化将成为微软区别于其他公司的一大鲜明特征。用微软大中华区副总裁兼市场营销及运营总经理的康荣的话说——AI只是一种食材,不是一道完整的菜。因此,微软将把自己的AI能力摄入到不同的产品中,最终目的是降低AI技术的使用门槛,让每个人都能从中受益。
更多关于微软人工智能、商业数据分析、数据平台的部署、开发与管理的最新信息,将在10月24-27日的“Microsoft Tech Summit 2018微软技术暨生态大会”全面展现。点击大会直播视频链接,速速围观:http://www.zhiding.cn/special/Microsoft_Tech_Summit_2018
好文章,需要你的鼓励
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。