微软展示必应搜索的可视化程序,微软展示必应搜索的可视化工具

文章摘要：

微软（Microsoft）在今天释出新版搜索引擎Bing与浏览器Edge，都已整合人工智能OpenAI最新的服务，网友登入后就可马上加入试用名单。

正文：

人工智能公司OpenAI在数月时间内轰动网络，其开发的自然语言模块机器人ChatGPT免费开放网友试用，广受欢迎。

人工智能快速挑动了软件开发商的敏感神经，巨头公司微软在1月23日宣布将正式投资OpenAI数十亿美元，深化合作；并强调自家旗下软件往后将整合OpenAI服务。

搜索引擎Bing和Edge浏览器已整合

今天（8日）微软公布推出新版搜索引擎Bing和Edge浏览器已整合ChatGPT的语言模块，提供用户使用对话型的搜寻方式，并以组织好的文章显示整理过的内容服务。

点进试用>>>Bing.com

新版的Bing号称使用比OpenGPT更先进的语言模块上运行，目前使用方法仅需用户使用计算机版进入Bing网站，点击画面中的NewBing，在等待名单中排队结束后就可使用。

有中文用户已开始试用新版Bing，在询问「举办6人晚宴，可以帮我推荐菜色吗？」得到了Bing多道菜色菜品的回复。

微软CEO：可打败Google！

在TheVerge今早的采访中，微软CEO SatyaNadella表示，人工智能将重塑微软每一款软件，尤其搜索引擎的创新时机已到，他说：

这是搜索引擎领域的崭新时代，是搜寻的新典范，凶猛的创新即将到来。

Satya Nadella态度相当直接，直接点名Google，称人工智能搜索引擎是打败Google的重要因素。

比尔盖兹：AI不会偷走我们的工作

比尔盖兹在6日的富比士采访中，分享自己长期与OpenAI合作的经验，他称与执行长SamAltman相熟识，并称：

我不得不说，在去年人工智能的进展真的让我非常兴奋。

被问及人们的普遍担忧，即是人工智能的发展，将会取代许多现有工作，盖兹表示重复性高的体力工作，肯定是最早受到AI发展影响的工作之一，但发生的时间会比预期的来得慢，他说：

如果控制AI的人类把它带到错误的方向怎么办？如果人类失去控制，这意味着什么？这些人关切AI的安全性，作为合作伙伴，微软也看到了这些事情的敏感性。AI在一定程度上改变就夜市长，这会让我们想知道，边界在哪里？

例如AI目前远远还不能做科学发明，但鉴于我们看到的，5到10年后，这就变成有可能的。

必读的AI和深度学习博客

ai基础知识笔记,ai深度训练,AI深度训练,ai重点笔记

技术的提高是需要日积月累的努力，除了看书看视频外，一个很有效的提高方法当然就是阅读大牛的博客文章了，所谓听君一席话，胜读十年书，虽然读大牛的文章没有这么夸张，但也可以让你解决技术上的一些难题，可以学习大牛的学习方法和思维方式，受益匪浅！

接下来会介绍一些 AI 和深度学习方面的博客。

原文：Must-read Blogs for AI and Deep Learning Enthusiasts

我从没有遇见过可以和人工智能和认知计算相匹配来改变世界的事物

上述这句话是是认知解决方案和 IBM 研究部高级副总裁 John E. Kelly 在 2016 年由人工智能爱好者中最知名的人之一 Yann Lecun 组织的会议上强调的事实。

毫无疑问，AI 正在驱动着下一次的技术革命。所有的技术巨头都开设了各自专业的 AI 研究部门，许多新的公司正在使用 AI 技术开发出非常棒的产品。

在这种喧嚣中，及时了解获知 AI 的研究进展是非常重要的。作为一个应用 AI 研究小组，我们总是需要让自己能够了解最新的新闻、研究和技术。如果你是一个 AI 爱好者，这里是一份你可以关注的必读的 AI 博客列表：

OpenAI

OpenAI 是一个非营利性人工智能研究公司，它的宗旨是推动和发展安全友好的人工智能。Sam Altman, Elon Musk 和其他几个著名的投资者负责给这家公司提供资金。OpenAI 的博客也是被全世界所有的人工智能和深度学习爱好者关注着。OpenAI 会定期发表他们在先进的人工智能技术方面的研究成果，包括自然语言处理、图像处理和语音处理。

链接：blog.openai.com/

Distill

Distill 致力于清晰地解释机器学习。编辑和策展团队由来自 Google Brain，DeepMind，Tesla 和其他着名组织的科学家组成。Distill 的愿景是通过简单和视觉上令人愉悦的语言来解释机器学习的论文和模型。Distill Journal 是 Distill 提供的一个出版期刊，它是鼓励研究人员采用超越传统学术形式的方法来更好沟通科学，以及为读者服务。

链接：distill.pub/

BAIR Blog

这个博客是由加州大学伯克利分校的伯克利 AI 研究（BAIR）小组设立。它的目的是传播 BAIR 小组在人工智能研究方面的发现、观点和更新成果。这个博客的编辑团队包括来自 BAIR 小组的学生、博士后和教师。他们通常每周会发表一篇文章，内容是 BAIR 在深度学习、机器学习和人工智能领域方面的研究。

链接：bair.berkeley.edu/blog/

DeepMind Blog

DeepMind 是在 2010 年由 Dennis Hassabis, Mustafa Suleyman 和 Shane Legg 三个人所创立。DeepMind 的博客主要包括对他们的研究论文、思想领导力以及围绕人工智能的远见卓识的讨论。由于 DeepMind 团队的人工智能模拟研究，他们的博客受到了很多人工智能研究者的高度重视。此外，DeepMind 还是 2014 年被谷歌收购的 Alphabet 小组的一部分。

链接：deepmind.com/blog/?categ…

Andrej Karpathy’s Blog

Andrej Karpathy 现任特斯拉的人工智能总监，之前曾在 OpenAI 工作过。他在斯坦福大学取得博士学位。他的博客在人工智能社区非常有名，特别是当他在读取博士学位和在 OpenAI 工作时候发表的文章。他写了大量有关计算机视觉以及其他人工智能领域的文章。

链接：

• karpathy.github.io/
• medium.com/@karpathy/

Colah’s Blog

Christopher Olah 是在谷歌大脑工作的研究科学家。同时也是 Distill 的一个编辑者之一，还有 Shan Carter 也是。他主要发表的是对于机器学习和深度学习领域的理解神经网络方面的文章。他的目标是用简单的语言解释神经网络的复杂功能。如果你是刚入门神经网络，那么他的博客正好适合作为你的入门教程。

链接：colah.github.io/

WildML

这是 Denny Britz 的博客。Britz 曾是谷歌大脑团队的一个成员。他写作的主要方向是深度学习，发表有关利用 TensorFlow 来理解、应用和实现神经网络的文章。他还有另外一个博客，主要是写有关初创公司和软件工程方面的文章。

链接：

• www.wildml.com/
• blog.dennybritz.com/

Ruder’s Blog

Sebastian Ruder 目前正在攻读博士学位，同时也是一家文本分析初创公司--Aylien 的研究科学家。他的文章大多数是关于深度学习和自然语言处理，主要是集中在多任务学习和迁移学习方面。Ruder 通过视觉上以及易懂语言来给出他对公式的理解和解释。他的博客对于新手非常易于理解，也是一个开始学习深度学习知识的很好的教程。

链接：ruder.io/

FAIR Blog

这是属于 Facebook 的人工智能研究博客，主要讨论人工智能、深度学习、机器学习、计算机视觉以及他们现实世界的自身的产品应用。FAIR 小组发表了很多研究论文，这个博客也可以作为创作和提升的媒体。

链接：research.fb.com/blog/

inFERENCe

这是 Ferenc Huszár 的博客。他是一个来自剑桥大学的博士，目前工作于 Twitter Cortex。他主要是研究概率推理、生成模型、无监督学习以及应用深度学习到上述问题，并发表这些主题相关的文章。

链接：www.inference.vc/

Andrew Trask’s Blog

Andrew Trask 是 DeepMind 的研究科学家，同时也是牛津大学的博士。他的博客也是受到深度学习和机器学习爱好者的高度关注。他主要集中在神经网络和对它的解释以及实现。

链接：iamtrask.github.io/

Graduate Descent

这是 Tim Vieira 的博客。 Tim 正在 John Hopkins 大学攻读博士学位。他的博客主要关注于利用深度学习来研究自然语言处理。他发表了一些关于神经网络特定部件以及在 NLP 方面的实现相关的文章。

链接：timvieira.github.io/blog/

Adit Deshpande’s Blog

Adit Deshpande 是来自 UCLA 计算机科学专业的肄业生。他主要研究机器学习和深度学习，并且他的文章非常有益于初学者入门神经网络。

链接：adeshpande3.github.io/

上述就是文章介绍的人工智能和深度学习领域的博客了。

欢迎关注我的微信公众号--机器学习与计算机视觉或者扫描下方的二维码，在后台留言，和我分享你的建议和看法，指正文章中可能存在的错误，大家一起交流，学习和进步！

推荐阅读

1.机器学习入门系列(1)--机器学习概览(上)

2.机器学习入门系列(2)--机器学习概览(下)

3.[GAN学习系列] 初识GAN

4.[GAN学习系列2] GAN的起源

5.谷歌开源的 GAN 库--TFGAN

windows azure azure 快速入门

windows10,windows11,windows,windows无法安装到这个磁盘,选中的磁盘具有mbr分区表

• Azure 用 - 建立免M

• 在所需的 Azure 中授c Azure OpenAI 服盏拇嫒

  目前，只有用程式才能授c此服盏拇嫒唷 您可以填妥 的表危以申 Azure OpenAI 服盏拇嫒唷 如有}，在此存放熘刑岢}砼c我Bj。

• 已部署模型的 Azure OpenAI 服召Y源。 如需模型部署的Y，㈤ Y源部署指南。

流[至 Azure OpenAI Studio， K使用可存取 OpenAI Y源的JC登入。 在登入工作流程期g或之後，x取m的目、Azure 用艉 Azure OpenAI Y源。

Azure OpenAI Studio 登面M一步流[以探索提示完成的例、管理您的部署和模型，以及ふnc社群等WY源。

移至和微{工作流程 的[ 。

透^ GPT-3 [鲩_始探索具有o程式a方法的 OpenAI 功能。 @只是一文字方K，您可以在其中提交提示懋a生完成。 拇隧面，您可以快速逐一查看K功能。

您可以x取部署，KA先d入的例中x褚蚤_始使用。 如果您的Y源]有部署，x取 [ 建立部署 ]，K遵循精`所提供的指示。 如需模型部署的Y，㈤ Y源部署指南。

您可以MBO定，例如囟群突前文字，以改善工作的效能。 您可以在 REST API中深入t解每怠

• x取 [ a生] 按o⑤入的文字魉椭镣瓿 API，K⒔Y果串流回文字方K。
• x取 [ 驮 ] 按o以驮先前的a生呼叫。
• x取 [ 重新a生] 按o，以一起完成驮和a生呼叫。

Azure OpenAI 服找μ崾据入和a生的出绦热葜俨谩 如果y到有害的热荩可能Yx提示或回。 如需Y，㈤热莺Yxl件文章。

在 GPT-3 [鲋校您也可以根您的所xO定A先填入 Python 和 curl 程式a例。 只要x取例下拉式清闻缘 [ z程式a ]。 您可以撰用程式，以使用 OpenAI Python SDK、curl 或其他 REST API 用舳送瓿上嗤的工作。

若要在 GPT-3 [鲋惺褂 OpenAI 服者M行文字摘要，遵循下列步E：

1. 登入 Azure OpenAI Studio。

2. x取要使用的用艉 OpenAI Y源。

3. x取登面端的 GPT-3 [ 。

4. [ 部署 ] 下拉式清沃羞x取您的部署。 如果您的Y源]有部署，x取 [ 建立部署 ]，然後重新流[此步E。

5. [例] 下拉式清沃羞x取[摘要文字]。

6. x取 。 OpenAI t解文字的热荩K地重新撰。 您得到似下列文字的Y果：

回的正_性可能因每模型而有所不同。 此例中以 Davinci 榛A的模型很m合@N摘要，而 Codex 型模型在此特定工作中也不绦小

如果您想要清除和移除 OpenAI Y源，t可以h除Y源或Y源群M。 h除Y源群M也h除其P的任何其他Y源。

• 入口W站
• Azure CLI

深入t解如何在完成操作指南中a生最佳的完成。