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
OpenAI在最新博客中首次承认,其AI安全防护在长时间对话中可能失效。该公司指出,相比短对话,长对话中的安全训练机制可能会退化,用户更容易通过改变措辞或分散话题来绕过检测。这一问题不仅影响OpenAI,也是所有大语言模型面临的技术挑战。目前OpenAI正在研究加强长对话中的安全防护措施。
北航团队推出VoxHammer技术,实现3D模型的精确局部编辑,如同3D版Photoshop。该方法直接在3D空间操作,通过逆向追踪和特征替换确保编辑精度,在保持未修改区域完全一致的同时实现高质量局部修改。研究还创建了Edit3D-Bench评估数据集,为3D编辑领域建立新标准,展现出在游戏开发、影视制作等领域的巨大应用潜力。
谷歌宣布计划到2026年底在弗吉尼亚州投资90亿美元,重点发展云计算和AI基础设施。投资包括在里士满南部切斯特菲尔德县建设新数据中心,扩建现有设施,并为当地居民提供教育和职业发展项目。弗吉尼亚州长表示这项投资是对该州AI经济领导地位的有力认可。此次投资是谷歌北美扩张战略的一部分。
宾夕法尼亚大学研究团队开发出PIXIE系统,这是首个能够仅通过视觉就快速准确预测三维物体完整物理属性的AI系统。该技术将传统需要数小时的物理参数预测缩短至2秒,准确率提升高达4.39倍,并能零样本泛化到真实场景。研究团队还构建了包含1624个标注物体的PIXIEVERSE数据集,为相关技术发展奠定了重要基础,在游戏开发、机器人控制等领域具有广阔应用前景。