至顶网软件频道消息: 微软正在召开Build 2019开发者大会,其中包括了大量关于云计算、人工智能和物联网的内容,还会有一个主题演讲,侧重于大的蓝图,它可能表达的更多的是微软的抱负而非现实。
Build大会是微软举办的开发者活动,在某种程度上也确实如此。但是微软的首席执行官萨提亚.纳德拉也会利用这一会议阐述一些愿景。微软今天的宏伟愿景围绕着云计算和Office 365——它是微软365软件系列的一部分。
纳德拉在西雅图的主题演讲在CNET的Build 2019网站上有直播。
Build 2019开发者大会的召开恰逢微软刚刚公布了业绩强劲的季报:商业云发展势头很猛,而且混合云表现抢眼。以下是Build 2019大会的所有主题内容。
微软Azure最近一直是这家软件巨头会议的主角,而Build 2019也应该不会例外。实际上,微软在Build 2019之前就宣布已经全面推出了之前公布的硬件加速模型,该模型可以在Azure中使用,运行在其现场可编程门阵列(FPGA)上。微软的BrainWave项目——它使用FPGAs在Azure中提供快速人工智能处理——已经进入预览阶段。
这些新增内容是去年在Build大会发布的一系列公告的后续。
微软的论点是,Azure可以是人工智能和物联网引擎。这些工具可以成为新生产力体验的基石。
当然,开发人员在人工智能和物联网方面有很多选择——AWS和谷歌也不太可能忽略这些技术。因此,微软需要在其核心生产力市场全力以赴。
Oppenheimer分析师Timothy Horan总结了华尔街的共识观点。
我们认为微软是混合云方面的最佳股票,我们认为这是企业进行业务转型的重要工具,它们可以灵活地按照自己的条件采用公共云(时间/广度等)。微软正在大力投资人工智能和物联网,我们认为这是未来十年云需求的重要驱动因素。
微软在人工智能方面探讨的内容可能会围绕着机器人。根据Mary Jo Foley最近的报道,微软甚至可能会迷恋机器人。
作为今年Build大会发布的一部分,微软还为NVIDIA TensorRT和Intel nGraph增加了ONNX Runtime支持,用于在NVIDIA和Intel处理器上的高速推理。微软正在为其Azure机器学习服务添加新功能,帮助开发人员更轻松地制作高质量的模型,并使用无代码的方式创建模型,使用新的可视化机器学习界面部署模型。
微软正在添加一种新的认知服务类别,它将其稳定的人工智能应用程序编程接口命名为“Decision(决策)”,开发人员可以将这些接口添加到他们的应用程序中。Decision类别包括先前宣布的Anomaly Detector API;“Personalizer”(看起来是当前Project Custom Decision认知服务API的重新命名版本)和Content Moderator。
简而言之,微软可能会在其会话式人工智能战略上进行新的转变。Cortana将更注重业务,后端服务则围绕着洞察力和决策支持。微软的会话式人工智能方法将侧重于成为推动者。微软希望帮助你构建自定义机器人和助手。
此外,微软正在增加新的认知服务。微软将为开发人员提供可用于应用程序的人工智能服务套件。
令人震惊的是,微软最新的季度报告显示出Windows业务的表现是多么好。请参阅:微软2019财年第三季度财报:Windows的表现出人意料地强劲。
Windows被淡化,但许多微软开发人员每天都在为它创建应用程序。Build 2019开发人员大会可能会提供一些Windows产品。值得关注的是Windows如何与人工智能服务、认知工具以及HoloLens 2的混合现实相结合。
弗利指出:
看起来微软也将推出其承诺的Windows Insider应用程序(将是一个Progressive Web App),代码代号为“Catnip”。在一个名为“Windows Insider Program for Developers”的Build会议环节中,微软将展示Catnip,并为与会者提供机会为其开发做出贡献并提供有关该应用程序的反馈。
根据会议描述,Insider Program for Developers会议将重点关注Insider计划如何通过将其集成到Insider反馈中心来帮助开发人员获得有关其应用程序的更多反馈。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。