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
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。