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
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。