微軟剛剛宣布Windows 10的下一個主要版本將支持人工智能（AI）和機器學習（ML）。但是，拋開市場炒作的因素，微軟知道人工智能和機器學習真正的重擔是在云端的開源軟件上。這就是微軟Azure的首席技術官Mark Russinovich在加利福尼亞州Sonoma召開的Linux基金會的開放源代碼領袖峰會（Open Source Leadership Summit，OSLS）上傳遞的消息。
Russinovich開宗明義地表示：
人工智能科技和技術正在經(jīng)歷復興。開源技術和社區(qū)的庫和框架推動了自我教育機器學習開發(fā)人員的增長。云的計算能力使得大數(shù)據(jù)集的處理成本變得高效且普遍。隨著越來越多的研究不斷地被完成并在整個社區(qū)共享，我們將繼續(xù)看到會有更多的智能應用程序采用各種各樣的開放源代碼技術，這些技術跨越了所有的處理平臺。
具體而言，他舉了兩個微軟正在使用云計算和開源軟件來幫助客戶提供解決方案的例子。第一個例子是勞斯萊斯的飛機發(fā)動機使用機器學習來跟蹤它們的磨損狀況。然后，這些數(shù)據(jù)將與人工智能一起用于發(fā)動機的主動維護。
微軟還利用了大約二分之一的云計算和開源軟件來支持DiagnosticX智能疾病預測架構（DiagnosticX Intelligent Disease Predictive Architecture），這是一個測試版的程序。它的首個用途就是檢查來自美國國立衛(wèi)生研究院（National Institute of Health，NIH）的X光數(shù)據(jù)庫的X光圖片。然后使用Visual Studio for AI和Azure Machine Learning將這些數(shù)據(jù)提供給諸如Core ML、Google TensorFlow和ONNX之類的開源機器學習和人工智能分析程序。最終的結果可以使用網(wǎng)頁界面讀取，可以用來診斷肺炎。
為什么要使用這些科技手段？因為X光機比放射科醫(yī)生多得多。僅僅在美國，就有50,000名兒童死于肺炎，任何能夠幫助及時發(fā)現(xiàn)這種致命疾病以便進行治療的工具都是一種勝利。
Russinovich表示，是什么使得這些程序能夠被創(chuàng)建出來？是云計算。我們之前沒有取得太多進展，是因為只有到了現(xiàn)在，云計算才給了人工智能和機器學習開發(fā)人員一直需要的東西。也就是隨需應變的、可擴展的計算能力，而且成本低廉，具有幾乎無限的存儲空間和高速GPU處理器，例如英偉達的Tesla K80和P100s。
綜合下來，這為人工智能和機器學習開發(fā)人員提供了他們進行實驗一直需要的資源。正如Russinovich所說的那樣：“人工智能和機器學習是藝術，我們需要進行嘗試。”
根據(jù)Russinovich的說法，實現(xiàn)這一目標的工具、程序和框架幾乎都是開源的。“從MySQL PostgreSQL、Hadoop、Cassandra和NoSQL數(shù)據(jù)庫開始，它們都是完全開源的。對于分析和預測，你可以使用Rand SPARK。而最受歡迎的深度學習庫TensorFlow、Keras和Caffe也都是開源的。”
Russinovich繼續(xù)表示：“早在2007年，機器學習專家就認為開放源代碼是人工智能和機器學習的正確方法?，F(xiàn)在兩者都是基于開源的。”
在開放源代碼和云計算之間，Russinovich認為人工智能和機器學習改變了每個行業(yè)，這不是營銷炒作。
- 蜜度索驥：以跨模態(tài)檢索技術助力“企宣”向上生長
- 被聯(lián)想海外起訴專利侵權 中興通訊回應
- “數(shù)據(jù)要素×”大賽圓滿落幕，啟信寶在金融服務賽道斬獲佳績
- JetBrains 面向非商業(yè)用途免費提供 WebStorm 和 Rider
- IDC：2024年邊緣計算支出將達到2280億美元
- 聯(lián)想集團任命前戴爾高管擔任基礎設施方案集團新總裁
- 報告稱上半年IT安全軟件市場規(guī)模112.5億元，同比增長4.1%
- 報告稱中國邊緣服務器市場量價齊漲 2028年將達108億美元
- Gartner數(shù)字化轉(zhuǎn)型調(diào)查：52%的企業(yè)未能實現(xiàn)預期目標
- 驅(qū)動未來：數(shù)據(jù)中心能源的變革與創(chuàng)新
- 數(shù)據(jù)中心如何扭轉(zhuǎn)碳排放趨勢
免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。
