微软宣布将使用微软生成式AI助手Copilot对Microsoft 365工具套件进行升级,Copilot采用了OpenAI刚刚推出的GPT-4,同时结合了业务数据。
AI功能被直接集成到Word、Excel、PowerPoint、Outlook和Teams等应用中,用户可以提出问题并提示AI撰写草稿、制作演示文稿、编辑电子邮件、制作演示文稿、总结会议等。
微软首席执行官Satya Nadella表示:“今天标志着我们与计算交互方式演变到了下一个重要步骤,这将从根本上改变我们的工作方式,开启新一轮的生产力增长浪潮。我们将借助这一新的工作助手,为人们提供更多的代理权,并通过最通用的自然语言,使技术变得更易获得。”
目前已经有20家客户在对Copilot进行测试,未来几个月内,微软将更广泛地扩大预览范围。
谷歌在争夺AI领导地位上有些落后于微软了。几天前,微软刚刚公布宣布扩大使用OpenAI的GPT技术,谷歌紧随其后就宣布将推出一套AI功能,主要面向Google Workspace中的Gmail和Docs,未来还将把新的功能加入到Slides、Sheets、Meet和Chat中。
这次,Word和Outlook用户利用生成式AI,可以提示Copilot让它快速编写他们所需的草稿,包括销售文件或者电子邮件,例如:“根据本文档和那个电子表格中的数据起草一个两页的项目”,或者让AI通过写下“缩短第三段”来帮助他们编辑,还可以让AI将文档的基调改为更正式的或者更随意的。
在Excel使用Copilot时,它可以回答用户提出的表格中的数据问题,并分析相关性,给出洞察,还可以根据命令发现趋势或者创建可视化效果。
用户还可以要求Copilot基于Word文档生成PowerPoint演示文稿,也可以根据提示自动生成故事板,让用户调整布局和设计,所有这些都是用户基于自然语言操控的。
根据微软的说法,AI并不总能把事情做好,目前它还不完全可靠,对它生成的内容进行审查是很必要的。在它生成任何内容之后,用户需要对内容进行编辑,或者可以点击“再试一次”按钮来让它调整内容。用户还可以要求它添加缺失的信息,然后它会利用这些信息来加强学习以便下一次做得更好。
Microsoft 365 Copilot的运作方式也是微软Copilot System系统的一个组成部分,该系统连接了各种365应用、Copilot AI和Microsoft Graph中的大量业务数据。Copilot AI充当理解自然语言问题和用户提示的渠道,但它也像研究助理一样访问整个业务数据图并进行挖掘。
更进一步地,微软还推出了一款名为Business Chat的工具,其运行方式与Microsoft Teams中的AI研究助手完全相同。用户可以向Business Chat进行提问,它可以汇集来自多个来源的信息,然后进行组织并连贯地呈现出来,包括引用内容。
比如某个用户或群组正在准备会议,他们可能会要求Business Chat总结以前的会议内容和讨论内容,编译讨论所需的资源。Business Chat会提供包括以前的主题、引用内容和会议期间可以使用的资源链接,它还可以帮助集思广益和规划时间表。
Business Chat通过企业数据,以及对所有文件、电子邮件、会议、聊天和其他信息的完全访问路径,可以在协作时为团队提供各种各样的帮助。
本月早些时候,微软还发布了Dynamics 365 Copilot,并将这个AI助手内置到客户关系、销售和其他业务应用中,例如Sales、Viva Sales和Business Central。现在微软将把这个工具应用到Microsoft 365中。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。