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
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。