微软利用本周举行的微软Connect() 2018开发者大会宣布强化在Azure公有云基础设施平台上提供的人工智能产品。
在今天一系列AI相关的公告中,最引人关注的就是Azure Machine Learning Service的面市,这款基于云的产品让数据科学家和开发者可以用来快速创建和训练机器学习模型,然后将其部署到生产中。
微软表示,开发者借助Azure Machine Learning Service可以消除构建和培训机器学习模型所涉及的大部分繁重工作,主要功能包括能够自动选择和调整机器学习模型,最大的优点是减少了将这些模型投入运行和生产所需的时间。
微软最早在今年9月首次预览了Azure Machine Learning Service,并称将从明年2月1日开始全面提供。
此外,微软还更新了Microsoft Azure Cosmos DB数据库服务,该服务为那些需要AI应用在全球范围内可靠运行的企业组织提供跨了Azure不同区域的分发。微软表示,新的Azure Cosmos DB Shared Throughput Offer已于今天面市,它可为运行多个容器数据库的企业提供“更低的门槛”和“更好的定价选择”。
最后,微软还更新了一些Azure Cognitive Services服务,让开发者可以更轻松地将更多AI功能构建到他们的应用中。Azure Cognitive Services是一系列应用编程接口的集合,让应用可以通过自然的通信方式“看、听、说、理解和解释”人们的需求。微软说,部署Azure Cognitive Services的最佳方式是通过应用容器,应用容器将应用与基础设施隔离开来,只编写一次应用就可以运行在任何平台上。
微软表示:“通过在容器中部署Azure Cognitive Services,客户可以分析靠近数据所在物理世界的信息,提供实时洞察以及具有高响应度和上下文感知的沉浸式体验。”
为此,微软将增加对还在预览中的Language Understanding API的容器支持,让开发者可以在网络边缘运行“语言理解解决方案”。第二个更新是向Translator Text API引入了自定义翻译功能,微软称从今天开始,这让开发者可以使用人工翻译的内容来构建一个自定义翻译系统,更好地处理特定书写风格、行业表达和词汇。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。