微软今天向Azure中新增了一组新功能,将让企业更容易在混合云环境中运行人工智能软件。
这些功能部分基于三个现有的Azure服务,分别是Azure Arc、Azure Machine Learning和Azure Kubernetes Service。
Azure Arc是微软混合云战略中的一个重要组成部分。该服务于2019年推出,让管理员可以通过和微软公有云编排基础设施资源相同的界面来管理本地服务器。对于管理员而言,在单个集中式界面中执行基础设施维护任务,可能要比使用多个工具的传统方法更有效。
微软新的混合云AI功能中还引入了Azure Machine Learning,一组旨在简化神经网络开发的工具。另一项服务是Azure Kubernetes Service,该服务简化了维护软件容器环境的任务。
Azure客户借助这些新功能可以更轻松地使用本地Kubernetes集群来运行AI工作负载。他们可以利用本地Kubernetes环境来训练那些通过微软基于云的Azure Machine Learning工具包创建的AI模型,也可以执行推理,或者训练完成后在生产中运行神经网络等任务。
据微软称,微软混合云AI功能支持多种用途。企业客户可以在本地运行AI工作负载,更好地利用数据中心基础设施的现有投资。同时,那些采用多云方法的组织,可以把AI工作负载分布在多个公有云平台上。
在某些情况下根据监管的要求,企业有必要在本地基础设施上运行重要的AI应用。据微软称,这些新功能可以通过简化常见的基础设施管理任务来简化这一用途。
企业将本地Kubernetes集群连接到Azure机器学习环境之后,开发人员就可以通过Azure ML Studio的工具访问该集群。据微软称,开发人员能够更轻松地在本地数据中心运行的服务器以及边缘计算设备上部署机器学习工作负载。
Azure营销企业副总裁Kathleen Mitford在今天的一篇博文中这样写道:“现在你可以在数据所在的地方——例如新的或现有的硬件和物联网设备——构建、训练和部署机器学习模型。Azure Arc为新的和现有的应用提供了具有一致性的开发、运营和安全模型。”
Azure Arc是微软混合云产品组合中的一个重要组成部分,这个更广泛的产品组合中还包括其他很多产品。微软销售的设备让企业能够在他们的本地数据中心部署Azure服务,此外还有一系列网络产品让企业组织可以用于将他们的本地系统链接到Azure。
好文章,需要你的鼓励
在AI智能体的发展中,记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类:简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力,能提供持续上下文,而无状态系统每次都重新开始。未来AI需要实现实时记忆访问,将存储与计算集成在同一位置,从而创造出具备人类般记忆能力的数字孪生系统。
中国人民大学和字节跳动联合提出Pass@k训练方法,通过给AI模型多次答题机会来平衡探索与利用。该方法不仅提升了模型的多样性表现,还意外改善了单次答题准确率。实验显示,经过训练的7B参数模型在某些任务上超越了GPT-4o等大型商业模型,为AI训练方法论贡献了重要洞察。
OpenAI首席执行官阿尔特曼表示,公司计划在不久的将来投入数万亿美元用于AI基础设施建设,包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象,类似于90年代互联网泡沫,但AI技术本身是真实且重要的。他承认GPT-5发布存在问题,并表示OpenAI未来可能会上市。
南加州大学等机构研究团队开发出突破性的"N-gram覆盖攻击"方法,仅通过分析AI模型生成的文本内容就能检测其是否记住了训练数据,无需访问模型内部信息。该方法在多个数据集上超越传统方法,效率提升2.6倍。研究还发现新一代AI模型如GPT-4o展现出更强隐私保护能力,为AI隐私审计和版权保护提供了实用工具。