近日微软推出AI工具Dynamics 365 Copilot,该工具引用了OpenAI的ChatGPT进行搜索,微软将其用于商业用户。
这一新的AI助手将利用ChatGPT的生成式AI功能,理解用户编写的自然语音并即时生成回复或者是新的内容。微软正在将这项技术添加到各项应用中,使其可以快速地用来总结会议记录、为客户生成电子邮件内容、自动输入数据并协助完成其他任务。
微软在2月初的时候开始在Bing搜索引擎中使用ChatGPT聊天机器人,以增强搜索和回答功能。该技术使用生成式AI,让用户可以根据从网络搜索中收集的信息提出问题,并获得对话式答案。
微软正在将这种AI助手添加到Dynamics 365 Sales和Viva Sales等工具中,以创建会议摘要、产品和定价信息,以及来自已记录Teams电话的洞察。而将其添加到客户服务工具中,将让用户可以快速起草由AI驱动的电子邮件和聊天,并且这些都完全是由虚拟代理运行的,当AI无法再管理聊天的时候再转交给人类。
营销人员可以利用这个AI助手大大简化他们的工作流程,方法就是要求它通过提问来查看数据,并且通过给这些数据总结出报告并进行回复。以前,营销人员必须手动设计复杂的查询并细分他们自己的客户报告,然后手动阅读这些报告才能得出洞察。而现在,有了Copilot这个AI助手,就可以为他们完成很多繁重的工作,并能够了解他们的需求,甚至可以根据关键主题、现有电子邮件、相关主题等提出建议。
微软业务管理解决方案Dynamics 365 Business Central将让Copilot能够使用元数据中的各种属性(例如颜色、材质和尺寸)快速为店面生成生动的产品描述,还可以调整Copilot的语调、格式和长度以符合客户想要的情绪,这样他们就不需要在副本上线之前对其进行过多的个性化设置。
微软业务应用和平台企业副总裁Charles Lamanna表示:“下一个业务应用时代正在被生成式AI所改变。用户将越来越期望他们的客户关系管理和企业资源规划应用程序能够包含由AI提供支持的专业知识。”
供应链方面也得到了Copilot的AI支持,可以使用Copilot通过访问新闻、天气预报和供应商信息来更好地预测各种中断事件,以主动标记潜在的问题。代理商将可以使用Copilot编写外联电子邮件、重新安排订单路线、预估新的交货日期、选择备用配送中心以满足客户需求。
微软面向商业用户的低代码应用开发平台Power Platform也获得了两项新的AI更新,包括通过对话功能增强了现有机器人,以及向Power Apps和Power Automate中增加了生成式AI模型。
Power Virtual Agents让开发人员可以使用可简化机器人创建的低代码、拖放式可视化界面构建聊天机器人。大多数情况下,这些机器人能够让客户自助完成大量任务,但有的时候也会有他们无法回答的问题,必须交给人类。现在,通过公司网站上训练的生成式AI,机器人可以轻松地回答客户各种问题,而无需写下每个问题和答案。
AI Builder是四年前推出的,主要用于提供对Power Platform中各种强大工具的访问权限,如今,生成式AI模型可以通过Azure OpenAI服务在这个低代码界面上进行预览了。开发人员使用这种新的功能,可以将生成式AI嵌入到他们的应用中,从而构建出许多不同的功能,包括总结报告以及使用Power Automate通过电子邮件进行发送。Power Automate是一款营销应用,可以根据关键字自动生成内容并为社交媒体生成文本。聊天应用可以在会话完成后自动汇总协作线程。
目前,这种对话式助手还处于实验阶段,尚不适用于机器人,但已经可以预览了。带有生成式AI模型的AI Builder模板目前提供了有限的预览。
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%。