بررسی اجمالی: Microsoft Azure AI و یادگیری ماشین سازمانی هستند

[ad_1]

مایکروسافت در بیشتر فروشگاه های توسعه شرکت و فروشگاه های فناوری اطلاعات حضور دارد ، بنابراین جای تعجب نیست که پلت فرم هوش مصنوعی و یادگیری ماشین Azure در بیشتر فروشگاه های توسعه شرکت ، تجزیه و تحلیل داده ها و علم داده وجود دارد. Enterprise AI اغلب الزامات سخت افزاری دارد و پیشنهادات Azure تمام تلاش خود را برای برآورده ساختن آنها انجام می دهند.

Azure AI و یادگیری ماشین شامل 17 سرویس شناختی ، یک بستر یادگیری ماشین واقع در سه سطح مختلف مهارت ، جستجوی شناختی ، خدمات ربات و Azure Databricks ، یک محصول Apache Spark برای پلتفرم Azure بهینه شده و با سایر خدمات Azure یکپارچه شده است.

مایکروسافت به جای اینکه شرکت ها را مجبور به اجرای تمام خدمات Azure در سیستم عامل Azure کند ، چندین مورد را ارائه می دهد کانتینرهای داکر که به شرکت ها امکان می دهد از هوش مصنوعی در محل استفاده کنند. آنها از زیر مجموعه خدمات شناختی Azure پشتیبانی می کنند و به شرکت ها امکان می دهند خدمات شناختی را در فایروال و نزدیک به داده های پیش از خود اجرا کنند ، این برای شرکت هایی با سیاست های امنیتی دقیق داده ها و شرکت هایی که تحت مقررات محدود کننده حریم خصوصی داده ها هستند ، الزامی است. .

هوش مصنوعی مسئول اخیراً در اخبار قرار گرفته است ، هرچند که به هیچ وجه خوب نیست گوگل تیمنیت گبرو را اخراج کرد. در اوایل سال 2020 ، اخبار مربوط به هوش مصنوعی مثبت تر بود زیرا شرکت های مختلف ابزاری را برای ارتقا. یادگیری ماشین با مسئولیت بیشتر معرفی کردند. به عنوان مثال ، مایکروسافت ویژگی های تفسیرپذیری را به محصول یادگیری ماشین Azure خود اضافه کرد و همچنین سه پروژه AI AI را به عنوان منبع باز منتشر کرد: FairLearn، InterpretML، و SmartNoise.

Fairlearn شامل الگوریتم های تخفیف و همچنین یک ابزار ارزیابی مدل Jupyter است و در پانل عدالت در Azure Machine Learning ادغام شده است. InterpretML به شما کمک می کند رفتار جهانی مدل خود را درک کنید یا دلایل پیش بینی های فردی را درک کنید و در صفحه توضیح در یادگیری ماشین Azure ادغام شده است. پروژه SmartNoise با همکاری OpenDP قصد دارد این کار را انجام دهد محرمانه بودن دیفرانسیل برای استقرارهای بعدی به طور گسترده در دسترس است ، چندین بلوک اساسی ایجاد می شود که می تواند توسط افراد درگیر در داده های حساس مورد استفاده قرار گیرد. با نصب و وارد کردن پروژه و افزودن چند تماس برای محو اطلاعات حساس خود ، می توانید SmartNoise را به یک دفترچه یادداشت پایتون وارد کنید.

چارچوب ها و ابزارهای بسیاری برای یادگیری ماشین ، یادگیری عمیق و دنیای هوش مصنوعی وجود دارد. در حالی که Azure AI به طور مستقیم از ده ها مورد پشتیبانی می کند ، صدها مورد دیگر وجود دارد که Azure با تهیه یا اجازه ادغام آنها را کنترل می کند. برخی ، مانند MLflow، به عنوان بسته های پایتون ادغام شوند. دیگران ، مانند پاچیدرم، به عنوان کانتینر ، اغلب از Kubernetes (AKS) ادغام شده اند.

microsoft azure ai 01 IDG

همانطور که در این عکس در صفحه Azure نشان داده شده است ، محصول Azure AI و یادگیری ماشین شامل خدمات شناختی ، یادگیری ماشین ، جستجوی شناختی ، سرویس ربات و Databricks است.

خدمات شناختی لاجوردی

مایکروسافت خدمات شناختی Azure را به عنوان “یک خانواده جامع از خدمات هوش مصنوعی و رابط های برنامه نویسی برنامه های کاربردی شناختی (API) که به شما در ساخت برنامه های هوشمند کمک می کنند” توصیف می کند و ادعا می کند که “دارای جامع ترین نمونه کارها از قابلیت های هوش مصنوعی خاص دامنه است” بازار ‘، اگرچه رقبای آن ممکن است با این ارزیابی موافقت نکنند. Azure Cognitive Services برای توسعه دهندگانی طراحی شده است که می خواهند یادگیری ماشین را در برنامه های خود بگنجانند.

این خدمات چهار زمینه را شامل می شوند: پشتیبانی تصمیم ، زبان ، گفتار و بینایی. پیش از این ، جستجوی وب در سرویس های شناختی گنجانده شده بود ، اما به منطقه دیگری منتقل شد و من آن را پوشش نمی دهم.

به طور کلی ، خدمات شناختی Azure نباید حداقل در سطحی که از یادگیری ماشین Azure انتظار دارید آموزش ببینند. برخی از خدمات شناختی لاجوردی امکان شخصی سازی را فراهم می کنند ، اما برای رسیدن به این مهم نیازی به درک یادگیری ماشین نیست. تقریباً همه خدمات شناختی لاجورد آزمایشی رایگان دارند.

پشتیبانی تصمیم گیری

منطقه پشتیبانی تصمیمات Azure Cognitive Services شامل یک سرویس تشخیص ناهنجاری ، ناظر محتوا ، جادوگر معیارها و تنظیم کننده است.

ردیاب ناهنجاری

ج سرویس تشخیص ناهنجاری، شما می توانید قابلیت های تشخیص ناهنجاری را در برنامه های خود تعبیه کنید تا کاربران به محض بروز سریع مشکلات را شناسایی کنند. هیچ تجربه ای با یادگیری ماشین مورد نیاز نیست. از طریق API ، آشکارساز ناهنجاری داده های سری زمانی را از انواع مختلف جذب می کند و مناسب ترین مدل تشخیص ناهنجاری را برای اطمینان از دقت بالا انتخاب می کند. با تنظیم یک پارامتر می توانید سرویس را مطابق با مشخصات ریسک کسب و کار خود سفارشی کنید. شما می توانید Anomaly Detector را در هر مکانی از ابر تا لبه هوشمند اجرا کنید.

سه نقطه پایانی برای یک سرویس تشخیص ناهنجاری وجود دارد: شناسایی وضعیت ناهنجاری آخرین نقطه در جدول زمانی ؛ یافتن ناهنجاری برای کل مجموعه به صورت دسته ای. و نقاط تغییر روند را برای کل سری به صورت دسته ای پیدا کنید. در زیر این پوشش شش الگوریتم تشخیص ناهنجاری وجود دارد که بسته به جزئیات و فصلی بودن داده ها در سه گروه استفاده می شود. سرویس به صورت خودکار انتخاب را انجام می دهد. تنها پارامتری که کاربر باید تنظیم کند حساسیت است.

من هر سه نقطه انتهایی را در کنسول Azure با استفاده از نمونه داده ها در برابر سرویس Anomaly Detector رایگان ایجاد کردم ، آزمایش کردم. برای هر آزمون باید نام سرویس را پر می کردم (iw-anomaly) و یک کلید اشتراک. جالب ترین مورد از این سه ، نقاط معکوس روند بود که در زیر نشان داده شده است. تصویر سوم در زیر انواع مختلف ناهنجاری هایی را نشان می دهد که سرویس می تواند تشخیص دهد.

علاوه بر خدمات تست کنسول ، Azure با استفاده از نمونه هایی از کد را ارائه می دهد curl، C # ، جاوا ، جاوا اسکریپت ، Objective-C ، PHP ، Python و Ruby. همچنین در C # ، Python و Node.js نیز راه اندازی سریع وجود دارد.

microsoft azure ai 02 IDG

درخواست پیدا کردن ناهنجاری ها در کنسول Azure برای یافتن نقاط تغییر روند. این یک مجموعه داده آزمایشی است که باید به کپی سرویس رایگان من ارسال شود.

microsoft azure ai 03 IDG

پاسخ سرویس تشخیص ناهنجاری به درخواست قبلی. من برای تغییر سه امتیاز حساب می کنم.

microsoft azure ai 04 IDG

شش نمونه از ناهنجاری های قابل تشخیص توسط سرویس Azure Anomaly Detector.

مجری محتوا

سرویس مجری محتوا، طراحی شده برای کمک به مدیریت شبکه های اجتماعی ، سایت های بررسی محصول و بازی هایی با محتوای تولید شده توسط کاربر ، انجام تعدیل تصویر ، تعدیل متن ، تعدیل ویدئو و بررسی اختیاری انسان برای پیش بینی ها با اطمینان کم یا زمینه کاهش.

Image Modeer تصاویر را برای محتوای بزرگسالان یا بزرگتر اسکن می کند ، متن را با استفاده از تشخیص نوری شخصیت (OCR) در تصاویر تشخیص می دهد و چهره ها را تشخیص می دهد.

دو API برای تعدیل متن وجود دارد ، یکی استاندارد و دیگری برای شخصی سازی. API استاندارد اطلاعات مربوط به موارد زیر را برمی گرداند:

  • کلمه ای ناپسند: مکاتبات بر اساس اصطلاحات با لیستی از اصطلاحات نادرست در داخل زبانهای مختلف.
  • طبقه بندی: طبقه بندی با کمک ماشین به سه دسته ، از صریح جنسی تا بالقوه توهین آمیز در برخی شرایط. این سرویس همچنین ممکن است زمانی را که باید معاینه انسانی انجام شود ، توصیه کند.
  • اطلاعات شخصی: آدرس ایمیل ، SSN ، آدرس IP ، تلفن و آدرس پستی.
  • متن به صورت خودکار تصحیح شده است: غلط های نوشتاری معمول را تصحیح می کند.
  • متن اصلی: متن تصحیح نشده با اشتباه تایپی.
  • زبان: پارامتر اختیاری ، که به طور پیش فرض انگلیسی است.

API لیست شرایط سفارشی به شما امکان می دهد تا پنج لیست با حداکثر 10،000 اصطلاح را ایجاد و مدیریت کنید تا لیست اصطلاحات استاندارد مورد استفاده توسط API متن مجری محتوا را افزایش دهید.

سرویس تعدیل ویدئو فیلم های محتوای بزرگسالان یا بزرگسالان را اسکن کرده و مهر زمان برای آن محتوا برمی گرداند. همچنین پرچمی را برمی گرداند که می گوید آیا در هر رویدادی که تشخیص داده می شود معاینه انسانی را توصیه می کند یا خیر.

مایکروسافت توصیه می کند وب سایت ابزار بررسی مجری محتوا برای کار با سرویس تعدیل کننده محتوا ، ارائه یک رابط واحد برای نمایش های تعدیل تصویر ، متن و فیلم.

مشاور متریک

خدمات مشاور متریک سرویس ردیاب ناهنجاری را برای نظارت بر موتورهای رشد سازمان شما ، از درآمد فروش تا عملیات تولید ، در زمان واقعی نزدیک ارتقا می دهد. این همچنین مدل ها را با سناریوی شما تطبیق می دهد ، تجزیه و تحلیل دقیق تشخیصی را ارائه می دهد و شما را از وقایع غیر عادی هشدار می دهد.

شخصی سازی

شخصی سازی یک سرویس هوش مصنوعی است که یک تجربه شخصی و مناسب را برای هر کاربر فراهم می کند. این برنامه از آموزش تقویت برای بهینه سازی مدل خود برای اهداف شما استفاده می کند و دارای یک حالت کارآموزی است که به مشتری اجازه می دهد تا فقط در صورت اثربخشی راه حل موجود شما ، سرویس با اعتماد به نفس برسد.

شخصی سازی می تواند یک میدان مین اخلاقی باشد. مایکروسافت دارد رهنمودهایی برای استفاده اخلاقی از شخصی سازیکه شامل انتخاب موارد استفاده ، ساخت توابع پاداش و انتخاب توابع سفارشی سازی است. تا آنجا که من می توانم بگویم ، نه مایکروسافت و نه هیچ کس دیگری این رهنمودها را اعمال نمی کند ، اگرچه مقررات مربوط به حفظ حریم خصوصی (در زمینه های دیگر) وجود دارد که اگر بخواهید دستورالعمل ها را نادیده بگیرید و سناریوهایی را که می تواند ایجاد کند ، می توانید به راحتی آنها را نقض کنید. صدمه به مصرف کننده ، مانند شخصی کردن پیشنهادات برای وام ، محصولات مالی و بیمه ، جایی که عوامل خطر مبتنی بر داده هایی است که مردم نمی دانند ، نمی توانند بدست آورند یا نمی توانند آنها را مورد اختلاف قرار دهند.

سریعترین راه برای یافتن سرویس Personalizer احتمالاً شروع کار است وب سایت نمایشی شخصی سازی تعاملی، در ذیل نشان داده شده است.

microsoft azure ai 05 IDG

در این نمایش تعاملی Personalizer ، کاربر می تواند پارامترهای مختلفی تنظیم کرده و از مقاله ارائه شده پیمایش کند تا برای این مقاله رتبه بندی کند. شخصی سازی برای تولید رتبه بندی از یک مدل پیشرفت یادگیری (RL) استفاده می کند و می تواند به طور مداوم مدل را به روز کند.

زبان

منطقه زبان Azure Cognitive Services شامل خواننده همهجانبه ، سرویس درک زبان ، س ،ال مکالمه و لایه پاسخ برای داده ها ، تجزیه و تحلیل متن و مترجم زبان شما است.

خواننده غوطه وری

یکی از پیامدهای همه گیری در سال 2020 نیاز به حضور در مدارس از راه دور است که برای همه دانش آموزان خوب نیست. خواننده غوطه وری به شما امکان می دهد متن و وسایل کمک خوانی را تعبیه کنید – نشانه های صوتی و تصویری – در برنامه ها و وب سایت ها با یک خط کد. با برجسته سازی و سایر عناصر طراحی می توانید به کاربران در هر سنی و توانایی خواندن با ویژگی های مانند خواندن صدا ، ترجمه زبان و تمرکز کمک کنید.

Azure تنها ارائه دهنده اصلی ابر است که این نوع فناوری خواندن را ارائه می دهد. Immersive Reader از کاربران با انواع توانایی ها و تفاوت ها – از جمله نارساخوانی ، ADHD ، اوتیسم و ​​فلج مغزی و همچنین خوانندگان در حال ظهور و سخنرانان خارجی پشتیبانی می کند.

microsoft azure ai 06 IDG

Immersive Reader به خوانندگان در همه سطوح برای خواندن و درک متن کمک می کند. در اینجا ما کلمه “شناختی” را برای شنیدن تلفظ آن انتخاب کرده ایم. نماد “پخش” در پایین صفحه کل متن را بیان می کند.

[ad_2]