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
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。