据多家媒体今日报道,Microsoft Corporation 已开发出一系列可与 OpenAI 和 Anthropic PBC 的算法相媲美的大语言模型。
据 Bloomberg 报道的消息源称,这个大语言模型系列被称为 MAI。这可能是"Microsoft artificial intelligence"的首字母缩写。它也可能是对该公司去年推出的内部开发的 AI 芯片 Maia 100 的致敬。微软可能正在使用这款处理器来支持新的 MAI 模型。
该公司最近对这个大语言模型系列进行了性能测试。在评估过程中,微软工程师检验了 MAI 是否能为公司的 Copilot 系列 AI 助手提供支持。测试数据显示,这个大语言模型系列的性能可以与 OpenAI 和 Anthropic 的模型相媲美。
微软评估 MAI 是否可以集成到 Copilot 中,这表明该大语言模型系列更倾向于通用处理而非推理。Copilot 支持的许多任务可以用通用模型来完成。据 Bloomberg 报道,微软目前正在开发第二个针对推理任务优化的大语言模型系列。
报道没有具体说明微软正在训练的模型数量或其参数数量等细节。这些模型是否提供多模态功能也尚不清楚。
MAI 可以帮助公司减少对 OpenAI 的依赖,目前 Copilot 使用的大语言模型就来自 OpenAI。微软已向这家 ChatGPT 开发商投资超过 130 亿美元,直到最近还是其独家云服务提供商。今年 1 月,两家公司修改了合作条款,允许 OpenAI 将工作负载转移到竞争对手的平台上。
如果微软让 Copilot 超越 OpenAI 的模型,它可能不仅会添加一个而是多个竞争对手的大语言模型支持。据报道,该公司已经测试了是否可以使用来自 Anthropic、Meta Platforms Inc.、DeepSeek 和 xAI Corp. 的算法来支持 Copilot。
微软发言人对 Bloomberg 表示:"正如我们之前所说,我们正在使用模型组合,这包括继续与 OpenAI 的深度合作,以及来自 Microsoft AI 和开源模型。"
MAI 并非该公司首次进入大语言模型市场。它还开发了 Phi,这是一系列针对能效优化的开源语言模型。该模型系列目前已迭代到第四代。
最新的两个 Phi 算法——Phi-4-mini 和 Phi-4-multimodal 于今年 2 月发布。前者拥有 38 亿参数,适用于解决数学问题等推理任务。而 Phi-4-multimodal 则是 Phi-4-mini 的升级版本,可以处理多模态输入。微软表示,后者在某些任务上的表现几乎可以媲美拥有更多参数的 GPT-4。
为了构建 Phi-4 模型,微软开发了依赖合成数据的新型大语言模型训练方法。这些方法可能对 MAI 和该公司据报道正在开发的推理优化大语言模型系列有所帮助。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。