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
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
微软研究院提出潜在分区网络(LZN),首次实现生成建模、表示学习和分类任务的真正统一。该框架通过共享高斯潜在空间和创新的潜在对齐机制,让原本独立的AI任务协同工作。实验显示LZN不仅能增强现有模型性能,还能独立完成各类任务,多任务联合训练效果更是超越单独训练。这项研究为构建下一代通用AI系统提供了新的架构思路。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
上海AI实验室开发的VLAC模型让机器人首次具备真实世界自主学习能力。该系统如同给机器人配备智能导师,能实时评估动作效果并从中学习。在四个操作任务测试中,机器人成功率从30%提升至90%,仅需200次练习。技术结合视觉、语言理解和动作生成,支持跨场景适应和人机协作,为家庭服务、医疗护理等领域应用奠定基础。