時間：2019-09-29 來源：互聯網 瀏覽量：
9月29日消息 最近微軟因為Windows 10的累積更新頻出問題而受到很多網友的抱怨，有人推測這可能和微軟使用機器學習算法來部署Windows 10更新推送的舉措有關，因為這個過程中沒有了人工的核查。今天，微軟在官方博客上發文回應了這種觀點，微軟認為，機器學習算法總體來說是提升了Windows 10的更新體驗的。
微軟表示，Windows 10 PC的定期更新有助於確保它們免受惡意威脅的侵害，並可以帶來最新功能以實現最佳性能和生產力。由於Windows客戶可以使用的硬件、設備和應用程序種類繁多，因此每台PC的更新體驗可能會略有不同。為了確保所有PC都具有無縫的更新體驗（無論它們之間的差異如何），微軟也通過使用測試、讓合作夥伴密切參與、反饋、診斷數據等方式來管理更新的質量。
因為對更新質量的評估是一項非常複雜的工程，微軟正在增加對機器學習（ML）技術的投資。微軟表示機器學習可以幫助他們更快地發現潛在問題，並協助確定在Windows 10新版本發布後，更新每台PC的最佳時間。
微軟稱，Windows 10版本1803（2018年4月更新）是微軟第一次大規模使用ML來部署更新，他們從PC運行狀況的六個核心領域開始（例如總體可靠性等等），以確定更新過程是否順利進行。Windows 10版本1903（2019年5月更新），則是微軟在更新推送中使用ML的第三次迭代。
“我們現在可以評估PC運行的35種狀況，並且這個過程還將繼續發展，我們也會采取其他措施來改善您的更新體驗。”
微軟認為采用ML技術來部署更新是擁有更好的體驗的，他們列舉了一係列數據來佐證，例如通過ML更新後內核崩潰的數量減少一半，以及更新後的驅動程序問題的數量減少了五倍。
下圖給出了機器學習部署Windows 10更新的總體結構：
微軟表示機器學習在其中提供了兩個關鍵功能：
它確定了潛在的問題，從而可以及時采取措施保護尚未更新的PC，以便Windows開發人員可以迅速調查和解決這些問題。
它預測並發現那些具有無縫更新體驗的PC，從而提供更新。
由於整個過程每天都在重複，因此該模型會不斷從最新的更新PC中學習。隨著時間的流逝、問題的不斷解決，過去那些更新體驗較差的PC也將會擁有更好更穩定的更新體驗。
▲圖表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%。這樣可以確定需要保護的位置，以防止其他PC遇到類似問題
另外，微軟還談到，ML驅動推出的過程中，有一個關鍵要素是具備能夠及早發現兼容性問題的能力，這使微軟能夠建立保護措施，以保護特定PC免受更新的影響。過去，兼容性問題是通過費力的實驗室測試、反饋、支持電話和其他渠道檢測到的。盡管目前微軟仍然使用這些方法，但是將ML應用於生態係統中來自PC的診斷數據，可以讓微軟更快更準確地識別更新過程中在硬件特性，驅動程序，應用程序等方麵的兼容性問題。
為了實現這一點，微軟使用了異常檢測機製，它可以識別某個特征或模式（兩個或多個特征）在什麼時候導致的故障率比整體更高。通過使用Microsoft Azure Databricks，微軟稱可以快速擴展到數百萬台PC並建立保護措施，從而防止PC受到與更新相關的潛在問題的幹擾。
