Leo Yeh's Blog

Azure 人工智慧 (1)

教學目標

初步了解 Azure 人工智慧服務的基本概念。(此篇主要為線上課程心得分享)

重點概念

首先在 Azure AI 網站中定義人工智慧是機器模仿人類智慧行為的能力,從分析到學習、合理化和解決問題等等,機器可以透過人工智慧來分析影像、理解語音、以自然方式互動,以及使用資料來預測,並且目前已經能夠在物件辨識、語音辨識和語言翻譯領域達到與人類媲美的程度,同時提供最受信任的雲端平台,以及符合法規遵循、隱私權和安全性,透過人工智慧將改變各產業,以及賦予個人權力以達到更高的成就,像是失去視覺的人們能夠透過 Seeing AI 讓他們得以閱讀和探索世界,透過 Microsoft AI 協助農夫們適應氣候變遷,進行野生生態的保育瀕臨絕種的物種,從醫療保建改變每個產業,或者改變與客戶之間建立關係的方式。

接著透過 Azure AI 將能夠讓企業在雲端和邊緣都實現 AI 的應用,AI 不僅是學術研究,更能夠應用於辨識、語音和語言等主流應用,目前已經有 120 萬名以上開發人員正在使用 Azure 認知服務,並且 Microsoft 對於 AI 所採取的方式主要是從進行最新的 AI 研究開始,並且將 AI 深度整合在商業軟體和產品中開放使用,像是 Office 365 中的 Power Point 就會透過 AI 技術分析影像、文字、格式,並且提供版面配置的建議,而 Azure AI 則主要有三大專業應用領域,分別為:

  1. 知識發掘:主要從所有內容中發掘潛在見解,內建 AI 功能的雲端搜尋服務,以利發掘內容中的模式和關係、了解情感、擷取關鍵片語等等。
  2. 機器學習服務:主要提供最先進的機器學習功能,使用 Azure Machine Learning、Azure Databricks 和 ONNX,快速並輕鬆地建置、訓練和部署機器學習模型。
  3. 應用程式和代理程式:主要能夠在的應用程式中提供突破性體驗,並且更能夠使用客製的資料來自訂這些模型,並部署於任何位置存取這些經過實測的功能。

再來真實世界的資料十分雜亂,並且橫跨多種媒體類型,像是文字文件、PDF 檔案、影像和資料庫,不斷變更、不斷成長,但是有價值的知識卻無法立即可用,此時知識採礦是指擷取資訊,並從大量資料中獲得見解的能力,此時不同的產業將能夠運用知識發掘來解決商業問題,分別為:

  1. 醫療保健產業:組織主要面對臨床資料過多的挑戰,大量資料包括病患的姓名、族群結構特徵、歷年的就診記錄和病史、診斷和實驗室結果,此時透過知識發掘將能夠篩選大量資料,以利更快識別傳染病,預測哪些病患可能發生特定問題,讓醫生為病患提供更好的服務。
  2. 金融服務產業:企業主要面對文件資料過多的挑戰,大量文件、表格、合約、…等文件,此時透過知識發掘結合了解模型之特製化內容的自然語言處理技術,讓金融服務業者得以深入了解,並為客戶提供個人化的服務。
  3. 環境能源產業:地質學家及其他專家小組主要需要了解地震和地質資料,而他們通常有數十年的影像和手寫野外記錄檔案,此時透過知識發掘從所有內容中發掘潛在見解,並且連絡領域專家,綜合這項資訊以制定明智的決策。

最後企業客戶藉由機器學習服務進行業務轉型而取得驚人的結果,而 Azure AI 為了協助客戶達成目標,則提供非常全面的服務,主要有五大部份,分別為:

  1. 建置預先訓練的複雜模型。
  2. 支援熟悉的資料科學工具。
  3. 支援主流機器學習框架。
  4. 提供高生產力的服務。
  5. 提供強大的基礎架構。

為了簡化及加速機器學習服務,則會讓資料科學家使用一套熟悉且豐富的資料科學工具,並且簡化常用機器學習和深度學習架構的用法,以及提供端對端機器學習服務生命週期功能以加速創造價值的時程,更進一步資料科學家透過與開發作業 (DevOps) 功能整合應用為機器學習服務作業 (MLOps),將能夠輕鬆將模型自動化部署到雲端和邊緣。

相關資源

⬅️ Go back