微软近日在Build 大会上发布了约 60 项公告,其中包括云数据库管理产品新的人工智能功能。
该公司去年推出的统一数据平台Fabric是一个主要受益者。一个目前处于预览阶段的工作负载开发工具包(Workload Development Kit)可用于扩展 Fabric中的应用。Fabric Data Sharing是一项新功能,可跨用户和应用程序处理实时数据。它包括一个应用程序接口,用于访问存储在外部源中的数据。新的自动化功能(Automation)可简化重复性任务。
全新的RESTful GraphQL API可让Fabric开发人员通过单个查询访问来自多个来源的数据。扩展的用户数据功能可以使用本地代码能力和自定义逻辑,通过简单的集成在Fabric湖库、数据仓库和镜像数据库中构建以数据为中心的应用程序。
微软表示,Fabric在人工智能方面增加了生成式人工智能功能,使非技术用户也能构建能用自然语言回答问题的应用程序。该公司还在每一层添加了Azure OpenAI Services,以创建数据流和管道、生成代码并构建机器学习模型。
Fabric中的一个新的实时智能功能是一个软件即服务应用程序,它创建了一个从不同来源摄取、处理和路由事件的单一场所。事件流可以使用预配置的流连接器进行处理,并通过基于内容的路由连接到云源。
私人预览版中的Fabric Copilot可用于生成查询,以检测大规模数据中超出人类分析范畴的未知情况。
面向 PostgreSQL、CosmosDB 开发人员的人工智能
针对PostgreSQL的微软Azure数据库也通过Azure OpenAI Service或数据库内模型获得了人工智能功能,供那些希望将数据保存在数据库实例中的人使用。
Azure AI扩展让开发人员可以在他们的PostgreSQL 应用程序中利用 Azure AI 的大型语言模型。他们可以调用Azure OpenAI Service生成基于 LLM 的向量嵌入,从而实现高效的相似性搜索,还可以调用Azure AI Language处理情感分析、语言检测和实体识别等场景。
开发人员还可以针对欺诈检测和产品推荐等场景调用预先训练过的机器学习模型。可使用 Azure AI Translator 进行实时文本翻译。
数据库内嵌入生成功能支持Azure Database for PostgreSQL中的文本嵌入模型,无需调用 Azure OpenAI Service即可在数据库内生成嵌入。微软表示,这将嵌入创建时间缩短为几个毫秒的延迟,成本更可预测。
用于构建大型应用程序的全球分布式多模型数据库服务CosmosDB正在进行几项与人工智能相关的更新。Cosmos DB for NoSQL现已内置矢量索引和矢量相似性搜索,使数据和矢量保持同步,而无需单独的数据库。该功能由DiskANN(一套近似近邻搜索算法的开源软件)提供,目前处于预览阶段。
现在预览版中的一项新功能可让用户通过Azure门户或命令行界面将其无服务器 Azure Cosmos DB 账户过渡到配置容量模式,同时保留对数据操作的完全访问权限。
预览版中的一个新选项可让Cosmos DB for MongoDB用户在另一个区域创建一个持续更新的集群副本,以便进行故障转移。新的Go软件开发工具包可跨多个区域对数据库、容器和项目进行操作,实现高可用性应用。
好文章,需要你的鼓励
OpenAI在最新博客中首次承认,其AI安全防护在长时间对话中可能失效。该公司指出,相比短对话,长对话中的安全训练机制可能会退化,用户更容易通过改变措辞或分散话题来绕过检测。这一问题不仅影响OpenAI,也是所有大语言模型面临的技术挑战。目前OpenAI正在研究加强长对话中的安全防护措施。
字节跳动团队开发了首个AI研究助手评估系统ReportBench,通过对比AI生成报告与专家综述论文的引用质量,并验证陈述准确性来评估AI助手表现。研究发现OpenAI Deep Research引用准确率38.5%,Gemini为14.5%,两者都存在陈述和引用幻觉问题。该系统为AI研究助手建立了标准化质量检测工具,推动行业发展。
谷歌宣布计划到2026年底在弗吉尼亚州投资90亿美元,重点发展云计算和AI基础设施。投资包括在里士满南部切斯特菲尔德县建设新数据中心,扩建现有设施,并为当地居民提供教育和职业发展项目。弗吉尼亚州长表示这项投资是对该州AI经济领导地位的有力认可。此次投资是谷歌北美扩张战略的一部分。
台湾大学研究团队开发了MovieCORE数据集,这是首个专门训练AI深度理解电影内容的创新工具。该数据集通过多AI智能体协作生成复杂问题,采用认知分类法测量思维深度,99.2%的问答需要高层次思维。研究还开发了ACE增强技术,可将AI性能提升25%。实验显示现有AI在深度视频理解方面仍存在显著不足,为未来AI发展指明了方向。