微軟在 2018 年 4 月 Windows 更新時第一次大規(guī)模使用機器學習（ML），ML 通過監(jiān)測 PC 運行狀況的六個核心領域（例如總體可靠性），以確定功能更新過程是否順利進行。

而在 2019 年 5 月發(fā)布的更新推送中，這是微軟使用 ML 的第三次迭代，可評估的領域增加到了 35 個，微軟計劃在未來的更新中進一步擴大覆蓋范圍。

微軟表示，使用 ML 來部署更新?lián)碛懈玫母麦w驗，例如下圖，通過 ML 更新后系統(tǒng)啟動的卸載數(shù)量不到一半、內(nèi)核崩潰的數(shù)量減少一半，以及更新后的驅(qū)動程序問題的數(shù)量減少了五倍。

微軟如何設計和構建支持 Windows 10 更新的機器學習模型

最近，微軟發(fā)布博文介紹了這一技術信息。微軟使用的是一個經(jīng)過動態(tài)訓練的模型，它通過在最新更新的 PC 機上訓練，有區(qū)分好的和壞的更新體驗的能力。下圖是一個詳盡的機器學習圖，展示了機器學習算法的整體框架。

每個 Windows 10 更新版本都先推給早期使用者(比如 Windows 內(nèi)部人員和主動尋求更新的人)。有了這些體驗者，微軟開發(fā)人員就可以通過診斷數(shù)據(jù)(例如內(nèi)核模式崩潰、異常關閉和驅(qū)動程序問題)來監(jiān)控他們的更新體驗。

機器學習在其中提供了兩個關鍵功能：

• 它確定了一些有安全隱患的問題，從而可以及時采取措施保護尚未更新的 PC，以便 Windows 開發(fā)人員能夠及時調(diào)查和解決這些問題

• 它預測和發(fā)現(xiàn)那些可以順利進行更新的?PC，從而提供更新

每天都重復這樣一個過程，使模型不斷地從最近更新的 PC 機中獲得學習。然后隨著時間的推移和不斷解決問題，相比之下，過去那些更新了的 PC 就又有了缺陷，而現(xiàn)在學習到的更好的經(jīng)驗就會重新對他們進行更新。

微軟使用?Azure Databricks?構建 ML 模型，評估那些準備升級的 PC（準備數(shù)據(jù)，創(chuàng)建單個模型，并計算出分數(shù)）：

微軟表示，ML 驅(qū)動的推出過程中，一個關鍵因素就是具有能夠及早發(fā)現(xiàn)兼容性問題的能力，使他們能夠建立保護措施，以保護其他的 PC 不進行本次的更新。而以往來說，兼容性問題是通過實驗室艱苦測試、反饋和其他渠道檢測到的。

雖然這些手段仍在使用，但在微軟復雜的生態(tài)系統(tǒng)中，將 ML 應用到 PC 的診斷數(shù)據(jù)，將使微軟能夠更快識別與任何更新相關的兼容性信息，如硬件特性、驅(qū)動程序、應用程序等方面。

為了發(fā)現(xiàn)兼容性問題，他們使用異常檢測，以發(fā)現(xiàn)某些特征或模式在什么時候?qū)е碌墓收下蕰日w的預期高。通過使用 Azure Databricks，就可以快速擴展到數(shù)百萬臺 PC，并建立保護措施，以防止 PC 被更新相關的潛在問題干擾。

下圖顯示了某個功能或模式的失敗率為 82%，而基準失敗率約為 3%。從而確定需要保護的位置，以防止其他 PC 遇到類似問題：

微軟表示，目前的機器學習方案還不夠完善，接下來會進一步發(fā)展 ML，以確保 ML 是全面的、更自動化的和靈活的，能夠在幾秒鐘內(nèi)而不是幾個小時內(nèi)解決問題。

總結

以上是生活随笔為你收集整理的微软如何利用机器学习改进Win 10更新体验的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。