7月29日,Windows 10操作系统正式在全球190个国家和地区发布,而微软也于29零点起正式向Windows用户推送了Windows 10的正式版安装包,而且相信对于国内用户来说,最大的吸引力就在于这一切都是免费的,而这也是微软首次推出免费升级服务。
微软在之前已经公布了最新的Windows 10操作系统对于最低运行配置的要求:处理器:1GHz或更快(支持PAE、NX和SSE2);内存:1GB(32位)或2GB(64位);硬盘空间:16GB(32位)或20GB(64位);显卡:带有WDDM驱动程序的Microsoft DirectX 9图形设备。
从以上信息我们可以得知,理论上说,只要能够运行Windows 7/8的电脑,就都可以安装并运行Windows 10操作系统。不过对于这款微软称之为“历史上最好的Windows”的操作系统来说,Windows 10又有多少的优化和改变呢?
在Windows 8中消失的开始菜单又重新回归,现在在Windows 10中,我们又可以使用到开始菜单了,不过在设计上Windows 10的开始菜单更像是将Windows 7的开始菜单与Windows 8的开始界面进行了融合。不过回都回来了,相信习惯起来还是没有问题的。
说到在现场给小编印象最深的演示,就应该是Windows Hello的演示了,这是Windwos 10支持的一个生物识别技术,需要配合配备了RealSense摄像头的PC使用。当一台PC配备这个摄像头的时候,Windows 10可以通过虹膜扫描识别用户进入系统,也就是俗称的刷脸。
从现场的展示来看,整个解锁进入系统的时间非常快,而且感知也比较精确,不会收到眼镜等物体的影像,而这一技术对PC的安全性确实起到了不小的作用。
对于Windows 10来说,小娜语音助理让用户的使用变得更加智能。小娜可以通过分析用户的习惯,并按照用户习惯智能判断并提醒用户最为关注的问题,比如行程安排、会议提醒等等。小娜还可以通过用户的使用频率,说话方式以及用户习惯做出统计以及智能分析。同时小娜还可以直接回答类似于“今天天气如何?”的问题,而无需打开浏览器进行查阅。
相比于小娜的智能助理功能,小冰则充当了与用户调侃聊天的角色。小冰并没有语音功能,只能与用户通过文字和图片进行交流。微软称小冰开启了一项全新的图像识别技术,小冰注重将图片中识别出的内容转换为一个更拟人化的评论,而并非是生硬的交流。
Windows Edge整合了微软的Bing搜索服务,并可用自家的小娜数字助理进行辅助查询。当然它还拥有阅读模式,将通篇复杂网页的内容转换成更易于阅读的文字预览,集成OneNote以及网页笔记的功能,方便用户进行记录,标注与分享,被标注的网页内容可以被调用到第三方程序,微博、Email、Evernote等进行分享。
从现场的展示中我们可以发现,Windows Edge在操作模式上十分简易,而且功能也十分丰富,再加上超快的响应速度,的确是全面超越了之前的IE浏览器。
全新的Windows 10系统最为明显的变化就是将桌面平台与移动平台全部打通,不过不光是手机、平板以及PC,就连微软自家的Xbox此次也被添加到了Windows 10的应用当中。
Windows 10支持Xbox的串流功能,可以将Xbox运行的游戏画面投射到PC的显示器上。而微软在现场介绍,当你正在打怪升级的时候,而你的家人则在看着韩剧,那么你就可以用这个功能在Windows 10设备上继续鏖战。
对于虚拟桌面,在发布会的现场微软请到了两位可爱的小朋友进行演示,显示出了其在操作起来的简易程度。Windows 10对于所支持的虚拟桌面的数量并没有限制,用户可以将一个桌面专门用来放置社交工具,另一个放工作应用程序,第三个用来放游戏,这样每个桌面都有自己的分工,操作起来也不会再纷乱复杂。
除了以上介绍的这些,微软还对Windows Store做了优化,让它不再像Windows 8中设计的那样“反人类”。而且在更多的细节与体验之处,Windows 10都做出了不同程度的优化,当然这一切还需要用户自己去体验。究竟好不好,试过才知道。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。