Microsoft belyser rollen av AI och maskininlärning i utvärderingen av uppdateringar för Windows 10

Microsoft har varit under beskyllning nyligen för att förstöra Windows 10-uppdateringar igen. Företaget var tvungen att släppa en stor kumulativ uppdatering för att korrigera alla buggar i maj 2019-uppdateringen. Senare tidigare Microsoft-anställd släppt en video Han förklarade hur Microsoft brukade testa Windows och vad som har förändrats med Windows 10. Han lade det mesta av skulden på Microsoft som använde AI för att testa Windows 10 istället för faktiska människor.

Microsoft har nu publicerat en blogginlägg förklarar rollen av AI och maskininlärning vid utvärdering av Windows 10-uppgraderingar. Företaget märkte nyligen Windows 10 v1903 för bredare distribution och de använder AI för att avgöra vilka enheter som kommer att vara lämpliga för nästa våg av Windows 10-uppdateringar. Microsoft noterade att v1803 var den första uppdateringen som använde Machine Learning för att avgöra vilka enheter som är lämpliga för uppdateringarna. Microsoft separerade dem sedan från datorerna vilket kan orsaka problem och skickade ut uppdateringar till de som stöds. De noterade också hur ML faktiskt hjälper företaget att bekämpa problem och se till att övergångsprocessen är felfri. Enligt siffrorna har datorer som fått uppdateringar genom ML mindre chans att få problem med kärnan, kraschar och fem gånger färre problem efter uppdatering av drivrutiner.

Microsoft delade också en omfattande ML-graf som visar den övergripande arkitekturen för ML och hur den används för att nominera datorer som är redo för uppdateringsutbyggnad. Maskininlärning ger också två nyckelfunktioner:

• Den identifierar potentiella problem som leder till skyddsspärrar för att skydda datorer som ännu inte har uppdaterats så att dessa problem snabbt kan undersökas och åtgärdas av Windows-utvecklare.
• Den förutspår och nominerar datorer som kommer att ha en sömlös uppdateringsupplevelse och bör därför erbjudas uppdateringen.

Eftersom Microsoft använder en blandning av AI och Machine Learning, lär sig själva modellen av de tidigare implementeringarna och förutsäger framtida utrullningar bättre. Detta säkerställer att alla datorer som har inkompatibel hårdvara eller mjukvara inte får uppdateringen förrän hårdvaran eller mjukvaran har uppdaterats för att stödja den nya uppdateringen.

Microsoft använder också Azure Databricks för att säkerställa att de kunde identifiera avvikelser och implementera skyddsåtgärder för att skydda liknande datorer. Förutom Databricks förlitar sig Microsoft också på gamla skolor som mödosamma labbtester, feedback och supportsamtal för att säkerställa att uppdateringar inte rullas ut till inkompatibel hårdvara.

Medan företaget nu förlitar sig på Machine Learning, erkände de att modellen inte är perfekt och de arbetar för att få den att identifiera problem på sekunder snarare än timmar. Om den senaste uppdateringen från 1903 är något att gå efter, skulle jag säga att Microsoft fortfarande har mycket arbete kvar att göra för att ha en perfekt ML-modell på plats som kan rädda användare från frustrationen att behöva återgå till en äldre version eftersom av vissa frågor. Som sagt, modellen låter bra och när den är fulländad kan den hjälpa Microsoft att spara mycket på mantimmar samt resurser som ägnas åt att identifiera de extremvärden som kan bryta uppdateringen på vissa datorer.