在去年的Build开发者大会上,微软在第一天花了很多时间来演示未来会议的概念。在演示中,未来的Cortana支持的会议功能与Cortana与Teams、Outlook和Windows的集成一样重要。在今年的Build开发者大会上,看起来一个更加业务优先的Cortana加上各种机器人和虚拟助理服务也将出现在议程中。
从2016年以来,微软一直在打造其“对话即服务”/机器人服务。快速浏览一下今年Build 2019会议的议程,可以看出尽管Cortana在使用率和占有率方面远远落后于Alexa和Google智能助理,但并未完全出局。同时,微软似乎准备继续推动该公司在去年秋天推出的、语音优先的虚拟助理(Virtual Assistant)技术,让企业能够建立自己的个性化数字助理。
自从上次的Build开发者大会以来,微软一直致力于对Cortana重新定位,将其从独立的数字助手变成数字助手的助手。在今年的Build开发者大会上,微软计划介绍去年推出的Cortana Skills Kit for Enterprise。根据今年Enterprise Skills Kit对话环节的描述,企业可以使用该套件针对特定业务线场景开发解决方案,包括通过语音填写/撤回服务票据、检查剩余的休假等。
为了与Cortana的业务优先重点保持一致,Build 2019还有一个环节专注于介绍如何将Cortana软件开发套件与Azure IoT和Cortana蓝牙规范结合使用,以“为一线工作人员提供环境智能帮助”。
正如今年的CES所展现的那样,微软正在考虑将Virtual Assistant Solution Accelerator——而不是Cortana,作为让更多客户使用该公司的产品和服务进行语音输入的主要方式。微软在2018年11月以预览形式推出了Virtual Assistant Solution Accelerator。使用Virtual Assistant Solution Accelerator,客户可以更改助理的姓名、声音和个性,并使用一组初始会话技能。
Virtual Assistant Accelerator包括一些现成生产力的技能,包括日历、电子邮件和任务清单。这些技能与Microsoft Graph编程接口集成,这意味着它们可以连接到Office 365和Outlook.com。微软还承诺将“尽快”为这些技能添加对Google API的支持。这些技能让用户可以完成很多事情,例如在他们快要迟到时调整会面时间;通过汽车在任务列表添加内容;在酒店设置中要求延迟退房和客房服务;找到可用的会议室;找到具备特定技能的人等。
在今年的Build中,微软承诺公布更多关于其虚拟助手技术的细节和演示。可以使用微软的Conversational 人工智能认知服务构建这些类型的虚拟助手,Conversational人工智能认知服务可用于语音识别、文本到语音、语言理解和Microsoft Bot框架。
在一次会议中,微软的官员们表示他们将提供“参考硬件”并调用“麦克风阵列”(也许就像去年在Build上展示的设备一样?)
该会议环节承诺:“我们将突出介绍新的功能,包括新的非开发人员对话设计工具(Conversational Design)和语言生成(Language Generation)。”
通过其Dynamics 365产品系列,微软也在打造自己的Virtual Agent软件即服务产品系列,帮助用户设计和监控自定义机器人,而无需配备开发人员或人工智能专家。部署在Azure中、用ASP.NET Core构建的Bot Designer似乎是该服务的关键。
认知服务/技能将在Build 2019大会上成为微软“会话人工智能”方面的核心,它是微软编程接口,开发人员可以将这些接口添加到他们自己的应用程序和服务中,这样可以为他们提供“人工智能”功能。除了一些上述认知服务之外,微软还有一个专门讨论名为“Personalizer”的新服务的环节,该服务使用强化学习来理解用户的行为。(在我看来,这个新的Personalizer服务可能就是微软目前在实验基础上提供的“项目自定义决策”认知服务。)
我对于微软是否会在下周的Build 2019大会上推出Cortana-Alexa集成的更新很有兴趣,官方首次在Build 2018演示过该功能。微软和亚马逊从2018年8月份开始对该集成进行公开测试。
好文章,需要你的鼓励
大多数用户只使用计算机预装的操作系统直到报废,很少尝试更换系统。即使使用较老版本的Windows或macOS,用户仍可通过开源软件获益。本文建议通过重新安装系统来提升性能,Mac用户可从苹果官方下载各版本系统安装包,PC用户则建议使用纯净版Windows 10 LTSC以获得更长支持周期。文章强调备份数据的重要性,并推荐升级内存和固态硬盘。对于老旧系统,应替换需要联网的内置应用以降低安全风险,定期进行系统维护清理。
新加坡南洋理工大学研究团队提出"棱镜假设",认为图像可像光谱一样分解为不同频率成分,低频承载语义信息,高频包含视觉细节。基于此开发的统一自编码系统UAE,通过频率域分解成功统一了图像理解和生成能力,在多项基准测试中超越现有方法,为构建真正统一的视觉AI系统提供了新思路,有望推动计算机视觉技术向更智能统一的方向发展。
微软杰出工程师Galen Hunt在LinkedIn上宣布,目标是到2030年消除微软所有C和C++代码。公司正结合AI和算法重写最大的代码库,目标是"1名工程师、1个月、100万行代码"。微软已构建强大的代码处理基础设施,利用AI代理和算法指导进行大规模代码修改。该项目旨在将微软最大的C和C++系统翻译为内存安全的Rust语言,以提高软件安全性并消除技术债务。
芝加哥伊利诺伊大学团队提出QuCo-RAG技术,通过检查AI训练数据统计信息而非内部信号来检测AI回答可靠性。该方法采用两阶段验证:预检查问题实体频率,运行时验证事实关联。实验显示准确率提升5-14个百分点,在多个模型上表现稳定,为AI可靠性检测提供了客观可验证的新方案。