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
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。