Jeszcze kilka lat temu sztuczna inteligencja była urzekającym konceptem informatycznym, trzymanym skrupulatnie w uniwersyteckich murach i salach laboratoriów badawczych z daleka od biznesu i praktycznych zastosowań. Dzisiaj AI jest zintegrowana praktycznie ze wszystkim, od inteligentnej lodówki po ulubione aplikacje treningowe. Nadal jednak wiele firm walczy o osiągnięcie swoich celów w zakresie AI, ponieważ podaż naukowców zajmujących się danymi i ekspertów w
zakresie sztucznej inteligencji nie nadąża za rosnącym popytem. Tworzenie modeli AI jest trudną pracą, po której przychodzi walka o to, aby wprowadzić je do produkcji – i utrzymać je w ruchu. Dane starzeją się znacznie szybciej niż kod, przez co modele stają się mniej dokładne, w miarę jak świat wokół nas się zmienia.
– Dzięki ich zdolności do dostarczania klientom niesamowicie wciągających doświadczeń, AI i uczenie maszynowe mają szansę przekształcić programistów w bohaterów – mówi Wisam Hirzalla, dyrektor operacyjnych baz danych i marketingu produktów Blockchain w Microsoft. – Chcemy ułatwić każdej firmie korzystanie z tej technologii.
Uproszczone i zautomatyzowane uczenie maszynowe
W tym celu Microsoft ogłasza nowe możliwości usługi Azure Machine Learning w chmurze, której celem jest umożliwienie deweloperom i specjalistom ds. danych na każdym poziomie umiejętności budowania zaawansowanych modeli uczenia maszynowego.
Według Bharata Sandhu, dyrektora sztucznej inteligencji w Microsoft, możemy myśleć o praktykach AI w trzech kategoriach. Po pierwsze, mamy programistów i naukowców zajmujących się danymi, którzy lubią pisać kod. Chcą budować modele uczenia maszynowego z wykorzystaniem znanych im narzędzi i procesów. Dla nich Azure Machine Learning oferuje “pierwszy model kodu”, w którym mogą korzystać z narzędzi programistycznych, które lubią.
Druga grupa, w tym eksperci z dziedziny biznesu, może i dużo wiedzą o danych, ale nie wiedzą zbyt wiele na temat uczenia się maszyn i samego kodu. Dla tych klientów, doświadczenie Azure Machine Learning w automatycznym uczeniu się maszyn jest opcją “bez kodu”, dostępną bez konieczności pisania kodu.
Trzecia kategoria to osoby, które uczą się koncepcji uczenia maszynowego, chcą tworzyć własne modele, ale nie są programistami. Mogą to być informatycy lub ludzie z doświadczeniem w statystyce lub matematyce. Dla nich oferujemy doświadczenie “przeciągnij i upuść”, aby byli w stanie stworzyć modele wizualne. Bez względu na to, w jaki sposób będą tworzone modele do uczenia maszyn, wszystkie wykorzystują ten sam back end, co oznacza, że wszystkie modele mogą być łatwo integrowane.
Interoperacyjność
Oczywiście jeżeli chodzi o tworzenie modeli AI, programiści i naukowcy zajmujący się danymi mają do wyboru wiele platform. Aby mieć pewność, że firmy będą mogły jak najszybciej wykorzystać potencjał sztucznej inteligencji, Microsoft zwraca uwagę na konieczność przezwyciężenia niedopasowania platform, co może opóźnić wprowadzenie modeli AI.
Jednym ze sposobów, w jaki Microsoft promuje interoperacyjność różnych konstrukcji AI jest standard zwany ONNX Runtime, czyli Open Neutral Network Exchange. Ten wspólny projekt z innymi firmami technologicznymi tworzy modele wdrożeniowe, które działają na wielu platformach. To umożliwia programistom i naukowcom zajmującym się danymi korzystanie z dowolnego frameworku i sprzętu, który jest dla nich najlepszy. Uwalnia także zespół operacyjny od konieczności skupienia się na wdrażaniu i uzyskiwaniu wyników, a nie na tłumaczeniu w miarę przechodzenia od jednego modelu do drugiego.
Microsoft jest również obecnie aktywnym uczestnikiem projektu MLflow, platformy open source do zarządzania cyklem życia uczenia maszyn.
Nowości w Azure Cognitive Services
Już ponad 1,3 miliona programistów, z których wielu nie zna się na sztucznej inteligencji lub nauce o danych, wykorzystuje usługi poznawcze Azure Cognitive Services do tworzenia inteligentnych aplikacji, które mogą widzieć, słyszeć, mówić, rozumieć, a nawet zacząć myśleć.
Podczas konferencji Build Microsoft ogłosił nową kategorię usług Azure Cognitive Services zwaną Decision, która pomaga ludziom w podejmowaniu lepszych decyzji. Ta nowa kategoria obejmuje Personalizer, który wykorzystuje dział AI zwany uczeniem przez wzmacnianie (reinforcement learning) , aby pomóc technologii czerpać wiedzę z własnych doświadczeń, a następnie oferować świadome rekomendacje. Wśród innych nowości jest także Ink Recognizer, który może nauczyć się czytać pismo odręczne, Form Recognizer, który identyfikuje formularze i inne nowe możliwości transkrypcji rozmów oraz inne postępy w zakresie mowy, wizji i języka.
To dopiero początek
Do tej pory klienci Microsoftu stworzyli prawie 400 tys. asystentów cyfrowych poprzez usługę Azure bot service, a ponad 3 tys. z nich jest uruchamianych co tydzień. Firmy każdej wielkości korzystają z AI, w celu uzyskania przewagi konkurencyjnej.
Jednym z przykładów jest wiodący producent aplikacji mobilnych opartych o AI, Cheetah Mobile i stworzony przez firmę CM translator. Zamiast tworzyć cały system mowy od podstaw, firma wykorzystała usługi poznawcze Azure Cognitive Services, stosując API tekst-mowa do zapewnienia szybkich tłumaczeń wysokiej jakości. Oszczędności w kosztach rozwoju pomogły utrzymać przystępną cenę rozwiązania, bez uszczerbku dla wykorzystania języka naturalnego w aplikacji.
Główną korzyścią płynącą z używania Azure i narzędzi AI jest to, że firmy mogą wykorzystać różnorodne atrybuty wbudowane w narzędzia. Na przykład, firma zarządzająca zasobami cyfrowymi MediaValet polega na zabezpieczeniach i funkcjach prywatności Azure, aby zapewnić swoich klientów, że obrazy, które przetwarza, będą odpowiednio zarządzane.