微软正在准备新机器学习方案降低Windows 10更新出现问题的概率
正常情况下微软每次发布Windows 10更新都会带来各种问题,如果没有出现任何问题那倒是属于不正常的情况。
尽管用户已经抱怨多年但是微软始终无法解决这类问题,说到底还是微软将测试团队全部裁掉导致测试不够充分。
基于各种原因微软将测试团队裁掉,目前主要依靠开发团队自己测试和使用机器执行自动化测试但效果显示不够。
所以微软现在还是在继续死磕自动化测试,比如最近微软正在开发新的人工智能和机器学习模型来加强测试效果。
蓝点网此前戏称测试用户为大白鼠,稳定通道用户为小白鼠,企业通道才是稳定版,这种说法放在现在依然适用。
因为微软的更新推送实际上是依靠遥测收集数据进行判断的,通过遥测数据微软可以大致知晓哪些设备出现问题。
这些设备的硬件、软件和驱动程序信息会被收集进行组合,当微软检测到特定组合出现问题时就会暂停更新推送。
微软新开发的人工智能和机器学习模型则会在服务器上自动组合测试,判断哪些组合安装更新后可能会出现异常。
如果检测到存在异常则向微软工程师反馈该问题进行优化,在优化完成前微软不会再向这种组合的设备推送更新。
微软希望通过这种测试矩阵来解决用户频繁遇到的更新问题 , 而新的学习模型也将在即将发布的 20H2 版中部署。
感觉不太有用,因为微软在两年前就已经提过类似的方案,通过机器学习模型和软硬件组合来自动测试发现问题。
但从后期版本推送发生问题的概率来说效果并不好,尽管微软能够利用模型检测出某些影响范围较大的硬件组合。
然而很多问题还是无法发现最终在推送后影响到用户的使用,比如最常见的就是升级新版本后用户个人文件丢失。
这个问题实际并非文件丢失而是文件被移动,但微软部署过多次解决方案也没有彻底解决问题,现在依然会出现。
还有其他问题如无法安装更新、更新后无法正常启动、蓝屏死机、卡顿和性能降低等出现概率同样很高未被解决。
当然我们还是抱着希望来看待微软推送的,所以新的人工智能以及机器学习模型到底能否解决问题我们静待结果。