系统极客一直在努力
专注操作系统及软件使用技能

Microsoft 365 Copilot 助力 Office 人工智能办公新方式

Microsoft 365 Copilot

最近几周,生成式人工智能领域的迭代速度如此之快,竞争如此之激烈还真是令人咋舌。Google 刚推出了一系列令人印象深刻的 AI 功能,用于其云平台和 Google Workspace 生产力套件。随后 OpenAI 就发布了 GPT-4 大型语言模型的最新版本。

现在两天没过,微软就祭出了 Microsoft 365 Copilot 大杀器,以助力 Office 提供生成式人工智能办公新方式,以及 Power Platform 低代码/无代码开发的相关更新。在此期间,微软还确认在 Bing 搜索中使用了 GPT-4 的早期版本,也将使用 GPT-4 为 M365 Copilot 提供支持。

Microsoft 365 Copilot PowerPoint GetStarted Looping
M365 PowerPoint GetStarted Looping

众所周知,云计算WindowsOffice 套件是 Microsoft 营收的几大核心。而最近几周,网络上基本都被 Bing AI 聊天机器人的消息屠版了,却迟迟不见微软将 AI 能力带到 Office 当中。现在 Microsoft 365 Copilot 已经正式推出,值得深入探讨它们提供了什么以及可能产生的深远影响。

什么是 Microsoft 365 Copilot

将 M365 Copilot 集成到 Word、Excel、PowerPoint、Outlook 和 Teams 当中,为微软的办公套件迅速提升了一个档次,您可以用其:生成新的基于文本的内容,分析数字数据,创建新设计,总结电子邮件、聊天讨论或其他内容等等。

M365 Word Jumpstart
M365 Word Jumpstart

Microsoft 非常有意地选择了「Copilot」这个词作为功能名称,旨在澄清 AI 内容应该扮演的角色类型,并同时强调人本身在创建和控制内容方面仍然发挥着重要作用。

新的功能是基于先前版本 Office 中一些简单 AI 功能构建而成的,例如 PowerPoint 中极其有用的「设计师」功能,可以将普通的基本幻灯片转化为优雅/精美的演示文稿。这种能力还可以扩展到,从不同的多个 Word 文档中,只用几个想法就可以开始自动构建整个演示文稿。此外,还有全新的功能特性,例如 Excel 数据分析、可视化和自然语言公式。

New looping M365 Outlook Desktop CreateDraf Looping
New looping M365 Outlook Desktop CreateDraf Looping

这些功能真正具有潜在影响力的地方在于,Copilot 可以通过 Microsoft Graph 的现有文档和其他数据,使结果更加个人化。

从技术上讲,Microsoft Graph 是开发人员构建可定制应用程序使用的 API。Graph 允许应用程序「看到」存储于 Microsoft 云中(如 Outlook.com、OneDrive、Office 365、Teams 等)的电子邮件、日历、文档和其他信息。(虽然微软近些年一直在推 Graph,但我猜到目前为止,大多数人并不太了解它。)

对基于生成式的 AI 工具来说,这些信息就变得非常有价值。它为内容生成提供了重要的上下文。换句话说,Copilot 不仅仅是从头开始创建内容或提出建议,而是在了解您创建的文档、发送和接收的电子邮件、会议安排和摘要等信息的情况下,来生成响应。

M365 Excel Analyze
M365 Excel Analyze

总的来说,Microsoft 365 Copilot 能够作为一个极其智能的个人数字助理,同时也是一个有用的内容生成工具。例如,它可以在 Excel 数据中查找趋势,基于过去的消息生成电子邮件,从您已经使用过的其他文档创建 PowerPoint 设计等等。

M365 Copilot 在最理想情况下,为生产力提供了一种新的工作和思考方式,它可能是一个非常重要的突破。

M365 ChatQueries
M365 ChatQueries

与 Google 的相关公告一样,微软最新消息中的愿景还是远远超过了现实,但对 Microsoft 365 Copilot 的一些功能演示真的很亮眼。

尽管底层的 GPT-4 模型的能力已经得到进一步改进,但 Copilot 仍有可能创造虚假信息,并且在其响应中可能包含偏见或其他问题。这是整个行业都在努力解决的问题,使用来自微软、Google、OpenAI 或其它任何供应商的任何 AI 工具时,都需要注意这个问题。


任何 AI 工具的最终成功都将最终取决于它们在广泛实际应用中的效果和实用性,而这还有待长期观察。当涉及到 LLM,它们所启用的 AI 工具和服务时,可靠性、稳定性、可用性等方面还有巨大的问题需要解决。只有随着时间的推移,人们才能真正评估这些发展是如何产生影响的。

赞(0) 赞赏

评论 抢沙发

微信赞赏