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
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。