微软Teams高级版提升GPT功能。(图:微软)
如果你还没用过ChatGPT写作,很快你也可以通过微软Teams高级版(Teams Premium Microsoft) 365插件来体验了。
Teams高级版现在已面向普通用户推出。微软透露,Teams高级版新增的人工智能功能(例如智能回顾会议内容)由OpenAI的GPT-3.5系列大型语言模型提供,OpenAI的热门聊天机器人ChatGPT就是基于这些大型语言模型。Teams高级版人工智能功能可以通过微软的Azure OpenAI服务API提供给开发者。
微软在一份公告中表示,“Teams高级版带来了最新的技术,包括由OpenAI的GPT-3.5驱动的大型语言模型,可以令会议更加智能、个性化和得到更好地保护,无论是一对一、大型会议、虚拟约会还是网络研讨会。”
微软为Teams 高级版订阅现在提供每月7美元的首次折扣价格。首次折扣价适用于初始订阅的整个期限(除了一些按月付费的订阅和一些三年期按年付费的订阅)。与去年10月预览版发布以来的推广信息相同,该优惠于2023年6月30日结束,届时将恢复到每个用户每月10美元的标准价格。
微软的365和Office 365订阅(如E3和E5)是订阅Teams高级版的必要条件。微软最近对4500名员工进行了调查,发现他们有强烈的需求使用人工智能工具完成枯燥乏味的任务,因此,企业可能因为Teams用户的需求而购买该项订阅。
微软表示,一些专业人士订阅了Teams高级版就无需购买一些用于加强网络研讨会、虚拟约会和会议智能的第三方附加产品。
到目前为止,智能复述是Teams 高级版人工智能功能的标题描述,但微软现在详细介绍了ChatGPT在线公开实验所展示的更多功能,从回答复杂问题到写文章、解决编码问题以及生成大学教授可以用的问题。
Teams高级版人工智能生成的章节将PowerPoint实时会议记录分为几个部分。Teams本身的智能复述则是根据会议记录做这项工作。
另一个人工智能功能是个性化时间轴,因此可以根据用户加入或离开时间的标记帮助这些人补上错过的会议记录。个性化时间轴还会最终标记出用户的名字在何时被提及、何时屏幕被共享、谁在会议上发过言以及用户在会议中何时发言。
GPT-3.5还衍生了Teams高级版基于人工智能生成的笔记,基于人工智能生成的笔记可以创建会议期间捕获的关键点和概要。其基本想法是,用户因此可以专注地参与会议,而不是埋头做笔记。
微软之前曾表示,智能复述功能2023年第二季度才可使用。
微软对OpenAI的投资达100亿美元,这对于强化工作者希望在各种产品中使用人工智能的信息大有裨益,这些产品包括微软365/Office 365、Azure以及GitHub的由Codex驱动的配对编程工具Copilot。微软首席执行官萨提亚-纳德拉(Satya Nadella)上个月表示,微软将在生产力和消费者服务中“在堆栈的每一层都纳入人工智能”。
据报道,微软正在测试利用ChatGPT来回答一些Bing问题,目的是在搜索方面挑战谷歌。据报道,谷歌作为ChatGPT的回应也在为谷歌搜索进行内部测试。
Teams高级版中更多的人工智能功能将在2月中旬推出,包括实时翻译、品牌会议、组织背景、组织同行模式场景和IT管理员会议模板。其他功能包括高级会议保护、内容加水印以阻止泄密以及限制谁可以录音。
Teams虚拟预约自去年10月推出以来一直处于预览状态,Teams虚拟预约可以令外部与会者能够通过信息加入一个品牌虚拟大厅房间。
微软本月曾发表报告表示已经看到对Teams高级版的“强烈兴趣”。随着云计算收入增长(包括Azure和Office 365)的放缓和Windows OEM收入的下降,微软正在寻求诸如Teams高级版这一类的订阅来提高收入。Teams用户数量增长放缓也导致了这一转变的发生。
Teams现在有2.8亿每月活跃用户,高于2022年1月报告的2.7亿每月活跃用户。由于新冠肺炎疫情大流行,Teams的用户数量在2020年和2021年之间增加了两倍多,从2020年3月的4400万每日活跃用户增长到2021年4月的1.45亿每日活跃用户。
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。