微软在对其所有产品进行AI化改造的持续努力中,现在将人工智能直接添加到Excel的单元格中。从周一开始,Microsoft 365 Copilot的测试用户可以使用全新的COPILOT函数,让用户能够在C2或B23等任意单元格中直接调用微软的AI执行生成式任务。
这是这家软件巨头的明智战略举措,通过将Copilot集成到各种产品中来证明其AI数据中心建设的合理性。Excel可能是Microsoft Office产品中粘性最强的,对许多财务功能来说都是必不可少且不可替代的。
在博客文章和YouTube视频中,Excel核心产品负责人Catherine Pidgeon解释了这一新功能的优势和使用方法。
与Excel中的任何函数一样,您需要在前面加上等号操作符,然后将提示词用引号括起来放在括号内。接着加上逗号,然后添加任何您希望Copilot查看的"上下文"(即特定单元格的地址)。
例如,在视频中,Pidgeon和首席项目经理Joe McDaid使用COPILOT函数来分析一个包含咖啡机评论的电子表格中的情感。各个评论出现在D列,从第4行开始到第18行结束。McDaid在数据下方的D21单元格中放置了一个COPILOT公式:
=COPILOT("将这些反馈总结成一个段落",D4:D18)
经过几秒钟的处理后,D21单元格显示了所有咖啡机评论的摘要:"这台咖啡机因其易用性、快速操作和新鲜一致的...而普遍受到赞扬"
McDaid随后将公式的提示词改为"将这些反馈总结成一句话",结果重新计算为更简短的文本。摘要功能,特别是情感摘要,是生成式AI带来的新能力,这在普通Excel中是无法实现的。
您还可以使用COPILOT函数将数据分类到预定义的类别集合中。在另一个演示中,McDaid有四个类别列表——口味、易用性、噪音和其他——他希望函数将这些类别分配给15个响应行中的每一个。因此他在B4到B8单元格中列出了这四个类别。
然后,在咖啡机评论列旁边的E4单元格中,他输入了以下公式:
=COPILOT("对这些反馈进行分类",D4:D18,"分成这些类别之一",B4:B8)
这个公式显示COPILOT函数支持多个提示词和上下文。经过一两秒的处理后,E列从E4到E18填满了与D列单元格反馈匹配的类别。例如,Copilot将评论"这台机器运行非常快"分配到易用性类别。
在下一步中,McDaid在F3和G3中为情感和表情符号添加列标题,就在E3中类别列标题的旁边。然后他将E4单元格中的公式改为:
=COPILOT("对这些反馈进行分类",D4:D18,"分成这些类别之一",B4:B8,"返回这些列",E3:G3)
Excel然后在每个咖啡机评论旁边的三列中填入类别(例如:易用性)、情感(正面或负面)以及笑脸或皱眉表情符号。他还展示了这些列如何汇总到数据透视表中。
引入外部信息
在博客文章中,Pidgeon还提供了COPILOT函数将AI知识图谱中的信息导入电子表格的示例。一个动画GIF显示用户输入:
=COPILOT("列出主要机场的机场代码",E3)
E3单元格中有一个国家的名称。当E3显示USA时,D5到D14单元格显示美国机场代码,如ATL、LAX和JFK。当用户将E3改为澳大利亚时,机场代码变为SYD、MEL、BNE等。
在博客文章中,Pidgeon还解释说您可以在其他公式中嵌套COPILOT函数,或在其中嵌套其他公式。例如,在博客文章中,一个动画GIF显示有人在机场代码列表周围使用WRAPROWS:
=WRAPROWS(COPILOT("列出主要机场的机场代码",E3),3,"")
机场代码然后以网格形式出现,三列宽,三行高。
微软几乎肯定会扩大COPILOT功能的可用性。但是,目前您需要拥有Microsoft 365 Copilot(每用户每月30美元),并且需要加入测试频道的Microsoft 365 Insider程序。
Q&A
Q1:Excel中的COPILOT函数怎么使用?
A:与Excel中的任何函数一样,您需要在前面加上等号操作符,然后将提示词用引号括起来放在括号内,接着加上逗号,然后添加您希望Copilot查看的具体单元格地址作为上下文。
Q2:COPILOT函数能做哪些传统Excel做不到的事?
A:COPILOT函数能够进行情感摘要分析、自动分类数据到预定义类别、从AI知识图谱中获取外部信息(如机场代码),这些都是传统Excel无法实现的生成式AI功能。
Q3:如何获得Excel的COPILOT功能?
A:目前需要订阅Microsoft 365 Copilot(每用户每月30美元),并且需要加入测试频道的Microsoft 365 Insider程序,该功能仅对测试用户开放。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。