业界 | Build 大会中的AI:微软AI云服务全线更新

把最好的 AI 集成在 Azure 里,把最好的 Azure 用于 AI 。

AI 科技评论按:在美国西雅图当地时间 5 月 7 号的 Build 开发者大会上,微软发布了一系列关于智能云计算和智能边缘计算的服务及产品。当然,在这个「人工智能时代」,AI 相关的内容也少不了,Build 大会上微软也宣布更新了一系列新的 AI 开发工具,让不论 AI 专业知识高低的开发者都可以更便捷地把 AI 融入到他们自己的商业模式和应用产品中。

我们知道,微软的 AI 云服务平台名为 Azure(http://www.azure.cn/)。Azure AI 平台中的 AI 服务分为三个板块:属于微软认知服务(cognitive services)的预训练 AI 模型,属于 Azure 机器人服务(Bot Service)的对话 AI,以及属于 Azure Machine Learning 的自定义 AI 模型开发平台。在这次 Build 开发者大会上,微软宣布了以下的服务更新:

微软认知服务中增加新的、增强的预训练模型。这一系列新增加的模型可以让开发者简单地把包含视觉、语音、语言、知识和搜索在内的多种 AI 功能增加到自己的应用中。这些模型不仅是经过预训练、可以直接使用的,而且其中许多还提供了定制化选项,可以更好地符合企业和用户的具体需求。

比如,此次更新的内容中包含了一个统一语音服务包(https://aka.ms/acomspeech),其中打包了语音识别、语音翻译和语音生成模型,经过这次改进后,可以为某种给定的讲话风格、给定的行业订制模型,以及创建独特的品牌语音;低开发成本使用,但同时也有一定的灵活性。

此外,微软认知服务中还会增加一个认知服务实验室(Cognitive Services Labs),可以提前了解认知服务中未来将要增加的新技术。比如可以直接根据示例对话构建对话界面的 Project Conversation Learner,创建更智能、对话能力更强的智能助手的 Project Personality Chat,它甚至还可以允许开发者为智能助手设置从严肃到幽默的某种性格。这些都将是下一代的对话 AI 工具中的一部分。

Project Brainwave 发布预览版。Project Brainwave 是一个用于加速实时 AI 计算的硬件平台,它运行在英特尔的 FPGA 芯片上,同时也集成在 Azure Machine Learning 中。虽然这个预览版只提供了有限的功能,但它已经可以支持把 Project Brainwave 拓展到边缘计算中,意味着即便客户的系统无法连接到互联网,也可以利用本地设施中的计算能力进行加速。另一方面,作为 Project Brainwave 核心部件的 FPGA 芯片可以快速重新编程,适应不断出现的新 AI 技术,这也让 FPGA 芯片在大规模应用中比其它类型的芯片都要更加灵活。对于这个快速发展的领域中越来越复杂的算法、越来越高的来计算性能需求来说,这种灵活性难能可贵。

Azure Machine Learning 中更新了用于 Python 的 Azure ML SDK 预览版。Azure Machine Learning 可以让数据科学家们在云上创建 AI 模型,最新的这个 SDK 提供了一个独立的控制面板 API,可以让他们完全用 Python 这样的编程语言控制 Azure Machine Learning 中的关键工作流程。

新的增加的 Azure Machine Learning Packages 包含 CV、财务预测和文本分析专用工具。根据微软数据科学团队过去多年的数据和客户服务经验,他们为各个公司都会遇到、但通常这些公司会各自开发专用程序的需求设计了通用的解决方案。Azure Machine Learning Packages 中包含了丰富的可以通过 pip 安装的 Python 语言 Azure ML 插件,以便简单地为 CV、财务预测和文本分析任务构建、训练、精细调节以及部署高准确率且高效的模型。

微软 AI Lab,探索、感受、学习 AI 技术的实验室。微软新上线了 AI Lab 网站 https://www.ailab.microsoft.com/,不过它并不是一个微软新成立的 AI 研究组织,而是供外部开发者在最新的微软 AI 技术成果中探索、感受、学习、尝试编程,让他们更快成长。

帮助残障人士的便利性 AI。在我们乐观地人为 AI 技术的快速发展造福着全人类的同时,其实不应该忘记残障人士因为种种原因不能够与健康人享受到同等的便利。此次微软就发起了便利性 AI(AI for Accessibility)计划,这是一个 2500 万美元预算、为期 5 年的规划,鼓励开发者们以 AI 为工具,为全世界超过 1 亿数量的残障人士开发便于他们使用最新科技的、智能的 AI 解决方案。

作为 IT 界的老大哥,以及 AI 商用的先行者之一,微软提供的 AI 工具和解决方案也在不断进步。随着 AI 的应用和产生价值越来越普遍,「AI 让世界更美好」的愿景也会实现得越来越早。

via 微软 Blog, AI 科技评论编译

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2018-05-08

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏腾讯技术工程官方号的专栏

腾讯报告TensorFlow首个安全风险 谷歌确认并致谢

日前,腾讯发现谷歌人工智能学习系统TensorFlow存在严重安全风险,可被黑客利用带来安全威胁。据悉,该风险是TensorFlow首个自身安全风险,腾讯安全...

2219
来自专栏人工智能

机器学习:预测性维修的数据基础

预测性维修作为工业互联网中的最核心应用,无论是早期的探索者还是新进的工业互联网平台都将它作为主要切入口。当我们谈到应用落地时,可能很多企业会有这样的误解或疑问:...

7429
来自专栏新智元

【越好奇,越强大】伯克利研究人员使用内在激励,教AI学会好奇

来源:Quanta Magazine 编译:Cecilia 【新智元导读】伯克利研究人员正在开发具有好奇心的AI。他们想创造有内在自我驱动能力的AI,而不是依赖...

3687
来自专栏深度学习与数据挖掘实战

干货|程序员到机器学习工程师飞跃的实战经验

“我是一名软件开发工程师,阅读过一些关于机器学习方面的书籍和博客文章,也学习过一些在线的关于机器学习的公开课。但是,我仍然不知道怎么应用到工程实践中……”

871
来自专栏DT数据侠

搜集了3100款App的数据,我发现了安卓用户的“潜规则”

不久前,苹果刚发布了新一代iPhone,其高昂的售价以及缺乏创新的设计,让不少果粉望而却步,把目光逐渐转向这些年越做越好的谷歌的Android系统手机。数据侠Y...

692
来自专栏奇点大数据

Pytorch神器(10)

今天聊一聊IT工程师如何转型深度学习工程师的话题。其实这个话题已经不是第一次聊了,也是很多IT工程师朋友比较关心的。毕竟在新一代的IT工作环境中,AI思维几乎是...

1242
来自专栏企鹅号快讯

数据分析与挖掘的流程和方法

数据分析与挖掘是对收集来的大量数据进行分析,提取有用信息和形成结论而对数据加以详细研究和概括总结的过程,整个分析过程会有以下几个步骤: 1. 确定目标 首先,...

2929
来自专栏奇点大数据

Pytorch未来之我见

本月初,Caffe2 的 Github 页面突然出现了一个「巨大的改动」:Caffe2 开源代码正式并入 PyTorch,至此,Facebook 主力支持的两大...

3085
来自专栏深度学习与数据挖掘实战

干货|程序员到机器学习工程师飞跃的实战经验

“我是一名软件开发工程师,阅读过一些关于机器学习方面的书籍和博客文章,也学习过一些在线的关于机器学习的公开课。但是,我仍然不知道怎么应用到工程实践中……”

1042
来自专栏Small Code

2017 Python 问卷调查结果初步分析

2017 年末,PSF(Python Software Foundation,Python 软件基金会)和 JetBrains 一起进行了一次全球范围内的关于 ...

74416

扫码关注云+社区

领取腾讯云代金券