微软利用本周举行的微软Connect() 2018开发者大会宣布强化在Azure公有云基础设施平台上提供的人工智能产品。
在今天一系列AI相关的公告中,最引人关注的就是Azure Machine Learning Service的面市,这款基于云的产品让数据科学家和开发者可以用来快速创建和训练机器学习模型,然后将其部署到生产中。
微软表示,开发者借助Azure Machine Learning Service可以消除构建和培训机器学习模型所涉及的大部分繁重工作,主要功能包括能够自动选择和调整机器学习模型,最大的优点是减少了将这些模型投入运行和生产所需的时间。
微软最早在今年9月首次预览了Azure Machine Learning Service,并称将从明年2月1日开始全面提供。
此外,微软还更新了Microsoft Azure Cosmos DB数据库服务,该服务为那些需要AI应用在全球范围内可靠运行的企业组织提供跨了Azure不同区域的分发。微软表示,新的Azure Cosmos DB Shared Throughput Offer已于今天面市,它可为运行多个容器数据库的企业提供“更低的门槛”和“更好的定价选择”。
最后,微软还更新了一些Azure Cognitive Services服务,让开发者可以更轻松地将更多AI功能构建到他们的应用中。Azure Cognitive Services是一系列应用编程接口的集合,让应用可以通过自然的通信方式“看、听、说、理解和解释”人们的需求。微软说,部署Azure Cognitive Services的最佳方式是通过应用容器,应用容器将应用与基础设施隔离开来,只编写一次应用就可以运行在任何平台上。
微软表示:“通过在容器中部署Azure Cognitive Services,客户可以分析靠近数据所在物理世界的信息,提供实时洞察以及具有高响应度和上下文感知的沉浸式体验。”
为此,微软将增加对还在预览中的Language Understanding API的容器支持,让开发者可以在网络边缘运行“语言理解解决方案”。第二个更新是向Translator Text API引入了自定义翻译功能,微软称从今天开始,这让开发者可以使用人工翻译的内容来构建一个自定义翻译系统,更好地处理特定书写风格、行业表达和词汇。
好文章,需要你的鼓励
Fractal AI Research实验室开发了Fathom-DeepResearch智能搜索系统,该系统由两个4B参数模型组成,能够进行20多轮深度网络搜索并生成结构化报告。研究团队创新了DUETQA数据集、RAPO训练方法和认知行为奖励机制,解决了AI搜索中的浅层化、重复性和缺乏综合能力等问题,在多项基准测试中显著超越现有开源系统,为AI助手向专业研究工具转变奠定了基础。
快手科技与清华大学合作发现当前AI语言模型训练中存在严重的权重分配不平衡问题,提出了非对称重要性采样策略优化(ASPO)方法。该方法通过翻转正面样本的重要性权重,让模型把更多注意力放在需要改进的部分而非已经表现良好的部分,显著提升了数学推理和编程任务的性能,并改善了训练稳定性。