美国初创企业 Inflection AI 从移情智能（empathetic personal intelligence）的热潮中获得灵感，基于 Azure AI 开发了 Pi（Personal Intelligence的首字母缩写）——一款个人智能聊天机器人。其创始人 Mustafa Suleyman 认为，适用于个人用户的 Chatbot 更应该“看到用户所看到的世界、了解用户想了解的内容”。
人们比任何时候都更渴望连接。这种渴望，也延展到了我们对于聊天机器人的期待上。
与其他问答引擎型聊天机器人不同， Inflection AI 把研发重点放在了个人兴趣匹配上。这意味着，它可以从一系列话题诸如园艺、历史、木工或摩托车中精准识别并匹配个体的兴趣爱好，提供相应的资讯信息。
“ Pi 可以理解人们看待世界的方式以及感兴趣的内容，这是一个重大的区别。善良、耐心、好奇和支持会带来一种松弛感，而这正是用户所认为的区别于其它聊天机器人的特质。”
除了提供信息之外，Pi 还可以深入理解人们的数字世界，为一天中的行程活动排布优先顺序，甚至在人们有情绪时通过不带偏见和耐心的对话来引导安抚。采用 Pi 来满足个人生活方式和需求，人们可以更便利地追求那些可能需花费数千美元的爱好和兴趣。例如，Pi 可以充当导师，适应一个人的专业水平和个人学习历程，从而消除一些传统的教育障碍。
可访问性是 Inflection AI 对话式 AI 的核心。人们可以使用个人设备通过网站、移动应用程序、短信或社交媒体私信与 Pi 进行交互。除了书面回复之外，借助人工智能流畅生成的音频，人们还可以像实时通话一样与 Pi 交谈。“仅仅几十年的时间，人工智能就已经从少数人的专属变成了让数十亿人都触手可及，”Suleyman 说道。
未来人人都将拥有个性化专家的帮助，从而变得更聪明、更高效。未来 10 年或 20 年的时间，我们将迎来前所未有的「精英」时刻，因为每个人都能够平等地获得尖端技术。
与创造一样，在比特的世界，移情与理解同样需要巨大的计算资源。
不过，让 Inflection AI 感到幸运的是，构建和维护其基础设施的团队大多有着前沿AI模型的研究经验，包括 GPT-2、GPT-3 以及 Google 的 LaMDA 和 PaLM。
但算力挑战仍不可小觑。“开发 Pi 的挑战之一是我们需要大量的计算资源来训练语言模型，而将大量 GPU 组成大规模连接的集群非常困难且耗时。”
Pi 早期的云原生开发阶段就使用了 Azure 构建技术栈，保持其平稳运行和持续扩展。现在，Inflection AI 仍选择使用由 NVIDIA Tensor Core A100 GPU 提供支持并针对 AI 训练进行优化的 Azure NC A100 v4 和 ND A100 v4 虚拟机以及 Azure 机器学习，来获取云端的高性能计算资源。微软率先构建的 NVIDIA Quantum-2 InfiniBand 网络基础设施，驱动 GPU 之间的超高速连接，帮助 Pi 加速大语言模型的训练。
Inflection AI 的大语言模型使用 Azure AI 基础设施和数千个持续训练数月的 AI 优化的虚拟机。“ Azure AI 基础设施为我们提供了巨大帮助，并且微软是最早扩展 NVIDIA Tensor Core A100 GPU 并将其连接在一起的公司之一，”Suleyman 说道。“我们发现微软的服务可靠、稳定，并且提供良好的正常运行时间，这正是我们作为 AI 开发人员所需要的。”
▲ 本文翻译自微软全球案例中心
