Microsoft wyjaśnia, w jaki sposób uczenie maszynowe usprawnia aktualizację systemu Windows 10

Firma Microsoft znacząco zmieniła testy aktualizacji w ostatnim czasie. Wcześniej polegał on w dużej mierze na zespołach testerów i „rzeczywistych” testach sprzętowych, ale zmieniło się to na automatyzację testów, testy systemów komputerowych Windows Insider i uczenie maszynowe.

Uczenie maszynowe pomogło poprawić jakość aktualizacji systemu Windows 10 według Microsoft. Nowy wpis na blogu w witrynie Tech Community firmy ujawnia szczegółowe informacje na temat korzystania z uczenia maszynowego w zakresie tworzenia i wydawania aktualizacji dla systemu Windows.

Długi artykuł ma charakter techniczny, ale może być wystarczający do przeczytania akapitu otwierającego, aby zrozumieć, w jaki sposób Microsoft korzysta z uczenia maszynowego, jeśli chodzi o aktualizacje systemu Windows.

Uczenie maszynowe pomaga nam szybciej wykrywać potencjalne problemy i pomaga nam zdecydować, kiedy najlepiej zaktualizować każdy komputer, gdy będzie dostępna nowa wersja systemu Windows.

Krótko mówiąc, jest używany przez Microsoft do oceny aktualizacji i pomocy przy wdrażaniu aktualizacji funkcji. Artykuł koncentruje się na wykorzystaniu uczenia maszynowego do pomocy we wdrażaniu aktualizacji funkcji dla systemu Windows 10.

Firma Microsoft zaczęła korzystać z uczenia maszynowego na szeroką skalę, kiedy wydała aktualizację z kwietnia 2018 r. Dla systemu Windows 10. Uczenie maszynowe zostało wykorzystane do określenia jakości wydania poprzez monitorowanie sześciu „kluczowych obszarów zdrowia komputera”, w tym niezawodności komputera.

Liczba obszarów wzrosła do 35, gdy Microsoft wydał aktualizację z maja 2019 r. W 2019 r., A Microsoft planuje rozszerzyć zasięg dla przyszłych aktualizacji.

Microsoft zauważa, że ​​komputery wybrane przez firmowe algorytmy uczenia maszynowego „mają znacznie lepszą jakość aktualizacji”. Komputery wybrane przez Machine Learning mają „mniej niż połowę liczby inicjowanych przez system deinstalacji, połowę liczby awarii trybu jądra i pięciokrotnie mniej problemów ze sterownikiem po aktualizacji”.

przez Microsoft

Największa część tego artykułu opisuje, w jaki sposób Microsoft zaprojektował i zbudował model uczenia maszynowego do obsługi aktualizacji systemu Windows 10.

Microsoft stosuje model dynamicznie wyszkolony, który jest szkolony na najnowszych komputerach i potrafi rozróżniać dobre i złe doświadczenia.

przez Microsoft

Każda wersja systemu Windows 10 zaczyna się od przekazania Windows Insider i innym wczesnym użytkownikom. Doświadczenie jest aktywnie monitorowane przez Microsoft za pomocą danych diagnostycznych i innych sygnałów, np. opinie, raporty w mediach społecznościowych.

Na tym etapie używa się uczenia maszynowego do identyfikowania potencjalnych problemów w celu ochrony niektórych konfiguracji komputerów i konfiguracji przed otrzymaniem aktualizacji w tym momencie oraz do przewidywania i wyznaczania komputerów, które prawdopodobnie będą miały dobre doświadczenia z aktualizacją.

Proces ten powtarza się codziennie, a model uczy się na podstawie sygnałów odbieranych z ostatnio zaktualizowanych komputerów. Model uwzględnia również poprawki i ulepszenia wprowadzane przez Microsoft w miarę upływu czasu.

Microsoft zauważa, że ​​Machine Learning pomaga firmie zidentyfikować zabezpieczenia. W przeszłości polegał wyłącznie na „pracochłonnych testach laboratoryjnych, opiniach, wezwaniach do pomocy technicznej i innych kanałach” w celu wykrycia problemów ze zgodnością. Są one nadal używane według Microsoft, ale Machine Learning umożliwia firmie lepsze wykrywanie problemów, które mogą zakłócać aktualizację.

Wykorzystanie uczenia maszynowego wzrośnie w przyszłości; Microsoft ma nadzieję na dalszą poprawę automatyzacji i skrócenie czasu wychwytywania błędów z godzin do kilku sekund.

Słowa końcowe

Uczenie maszynowe nie jest rozwiązaniem typu catch-all, które zapewnia doskonałą aktualizację dla wszystkich urządzeń przez cały czas. Najnowsze aktualizacje — aktualizacje zbiorcze i aktualizacje funkcji — pokazały, że zawsze będą znane problemy; niektórych z nich można było uniknąć, gdyby Microsoft nadal utrzymywał duży zespół testerów.

Prawdopodobnie większość klientów Windows nie sprzeciwiają się wykorzystaniu uczenia maszynowego, ale niektórzy mogą sądzić, że Microsoft zbytnio polega na uczeniu maszynowym i danych diagnostycznych.

Ciekawym pytaniem byłoby, czy byłyby mniej lub więcej problemów, gdyby zespoły testujące były nadal używane przez Microsoft.