微软Azure AI负责人:OpenAI只能在微软云上训练模型,不懂中台
晓查 发自 善缘街
量子位 出品 | 公众号 QbitAI
几天前,微软刚刚以10亿美元投资了AI研究机构OpenAI。之后微软将成为OpenAI的独家云计算供应商,同时OpenAI也将为微软Azure云开发AGI的软硬件平台。
这也意味着,在微软Azure云快速扩张市场的过程中又获得了一个不大不小的客户。
昨天下午,微软全球副总裁、Azure人工智能平台负责人Eric Boyd来到中国,首次接受国内媒体采访,回答了微软Azure云的主要业务与发展战略。
Eric表示,微软Azure的宗旨就是让每个微软的个人用户、企业用户都能更简单地去使用AI。对AI开发者而言,Azure能帮助他们提高效率。关于AI时代的隐私问题,微软也在努力实现一个值得客户信赖的平台,保护用户再使用Azure平台训练和调用数据时,隐私完全受到保护。
投资OpenAI
OpenAI官方博客宣布,正在微软Azure内部开发一个可以扩展到AGI的硬件和软件平台,进一步提升微软Azure在大规模人工智能系统方面的能力。双方也将共同开发新的 Azure人工智能超算技术。
Eric此次确认了双方的合作模式,微软Azure的确是OpenAI今后唯一的云计算提供商,今后OpenAI的模型训练将只能在微软Azure上进行。
同时微软将成为OpenAI商业化的首要合作伙伴,未来OpenAI如果有项目需要商业化,微软将是优先的合作方,帮助其完成商业化,OpenAI也会优先将自己的技术提供给微软。
Azure AI
Eric介绍了微软的Azure的人工智能平台的三个部分:认识服务、知识挖掘以及机器学习平台。
认识服务是微软用户提供的一些列AI接口服务,向应用、网站和机器人注入智能算法,解决用户在决策、图像、语音语言上识别与处理的需求。
网络机器人框架是认识服务的一项实际应用,小米、宝马等企业都使用微软的服务,借助神经网络技术,来开发自己的AI助理,实现从文本到语音的转换。
知识挖掘能让海量文件分析读取变得更简单,帮助用户读取大量文本,强化用户在某些特定数据中获取信息的能力。例如帮助商业客户从合同的文字中提取重点内容。
机器学习平台让开发者开发自定义模型变得简单。微软通过多年的数据收集,实现了一套可视化创建ML模型的工具,与AutoML结合,非计算机专业也能搭建自己的模型,对数据进行预测。
AI带来的隐私问题
AI过去一两年中飞速发展,随之而来的有大量隐私问题。不久前,美国旧金山市全面禁止使用AI人脸识别技术。
谈到此时,Eric认为AI技术的使用应该收到一定的限制,微软对AI发展具有强烈的责任心,也为自己制定了一套AI开发伦理准则。
微软也是按照自己制定的准则在约束自己,今年1月,微软悄悄删除了包含1000万人脸数据的机器学习数据集MS Celeb。
Eric还表示,微软未来会按照自己的原则指导未来AI的发展,不会将客户数据用于AI模型的训练,会把用户的隐私和安全摆在第一位。但是是否应该全面禁用人脸识别技术,Eric表示,可以与监管方充分论证安全性的前提下,在特定场合使用一些先进的AI技术。
如何看中台?
在现场,有人向Eric问起了一个颇具中国特色的问题:微软是否有自己的AI中台?
Eric自己无法理解这个国内互联网圈已经爆火的“中台”概念,只能由他的同事微软互联网工程院常务副院长张祺来代为回答。
张祺分别从三个方面阐述了他对中台的理解。
第一,微软组建了一个专门的Azure AI团队,能够将全公司的AI资源整合起来,放到一个部门统筹协调,将资源集中投到Azure的三个业务线中。
第二,微软有着强大的技术能力和技术规模优势去提供AI解决方案,无论是第一方和第三方技术。
第三,微软有微软研究院等强大的研发团队,有着非常先进的技术研究能力,所有这些AI研究团队的力量集中起来以后,能在技术产品化方面有很好地作为。
虽然中台的概念在今年被国内公司热炒,但像微软这样的国外巨头似乎并不在意。
作者系网易新闻·网易号“各有态度”签约作者
— 完 —
加入社群 | 与优秀的人交流
小程序 | 全类别AI学习教程
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
喜欢就点「在看」吧 !
- OpenAI发布最新「模拟机器人环境」,用「真实机器人」模型进行训练
- TensorFlow用MNIST训练的模型来识别手写数字
- Facebook开源Caffe2深度学习框架:开发者可快速训练和迭代AI模型
- Caffe训练AlexNet网络模型——问题二
- 模型训练-损失函数的来源-最大似然与梯度下降
- word2vec 用于训练数据,生成模型
- Caffe深度学习入门——python调用caffe训练好的模型检测单帧图片
- TensorFlow 深度学习框架(7)-- 变量管理及训练模型的保存与加载
- 利用训练好的网络参数模型批量对文字分类(caffe)
- 使用caffe训练并且测试一个自己的模型
- 深度学习入门篇——手把手教你用 TensorFlow 训练模型
- windows10下alexnet模型训练步骤
- 21天实战caffe - 运行基于已训练模型的图片分类例程 - 报错:Unable to decode image
- 人脸识别自己训练模型
- 利用crf++来训练一个中文分词模型
- 两种模型训练方式思考比较
- win10环境下使用gensim实现word2vec模型训练及测试
- 模拟多个人通过一个山洞的模型。这个山洞每次只能通过一个人
- YOLO模型训练可视化训练过程中的中间参数