微软LinkedIn部门正在为LinkedIn新闻文章推出一项新的翻译功能,该功能依赖微软的一些核心人工智能技术。
鉴于超过一半的LinkedIn用户不在美国,LinkedIn官员认为需要简化新闻Feed中的跨语言交流。该公司的官员们表示,翻译会员发表的帖子是LinkedIn最为需要的功能之一。
尽管LinkedIn在开发新的动态翻译功能——被称为“参见翻译”( See Translation)——时大量使用了自己的技术和资源,但LinkedIn的官员指出,他们确实与微软的一些团队进行了合作并使用对方的一些技术。
“参见翻译”( See Translation)使用了微软的Azure文本分析程序接口,它可以检测多达120种语言,还使用了微软的翻译文本(Microsoft Translator Text)程序接口,这是微软另一项认知服务(Cognitive Services)。LinkedIn在6月28日发布的消息称,翻译文本API可以为特定域提供定制化翻译模板的功能,例如新闻Feed。
LinkedIn的官员们表示,“参见翻译”( See Translation)功能还建立在LinkedIn最初开发的各种开放源代码框架之上,包括Kafka、Samza和Rest.li,用于内容语言检测和标记。
LinkedIn工程团队撰写了一篇博客文章,扼要介绍了“参见翻译”( See Translation)功能是如何开发出来的。
LinkedIn官员们还于6月28日宣布在全球推出全新的LinkedIn QR号码功能,该功能允许用户快速查找他们刚刚遇到的人,以代替交换名片或电话号码。LinkedIn QR号码功能可在全球LinkedIn iOS和安卓版应用程序中使用。
微软在2016年收购了LinkedIn,并允许该业务在很多方面继续保持独立运营。微软和LinkedIn已经在各种产品和服务之间进行了一些整合,但LinkedIn在使用自己的数据中心和自己开发工具来构建其产品和服务。
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。