微軟人工智能公開課概覽 | 雷鋒網(wǎng)公開課

人工智能無疑是當(dāng)前最為熱門的科技概念。作為科技界的領(lǐng)軍企業(yè)，微軟在人工智能領(lǐng)域耕耘已久。早在25年前微軟研究院建立時(shí)，人工智能就已經(jīng)成為整個(gè)微軟的戰(zhàn)略目標(biāo)。微軟為此傾注了許多精力和資源，并取得了亮眼的成績(jī)，但它還有著更加宏偉的愿景：將人工智能帶給每個(gè)人，從開發(fā)者到數(shù)據(jù)科學(xué)家，從技術(shù)愛好者到學(xué)生。

本次公開課，雷鋒網(wǎng)邀請(qǐng)到了微軟亞洲研究院掌門人洪小文博士，為大家分享《微軟人工智能公開課》第一章節(jié)——《微軟人工智能概覽》中的精彩內(nèi)容，介紹微軟在人工智能領(lǐng)域的最新研究成果以及微軟的AI服務(wù)如何賦能開發(fā)者。

整套《微軟人工智能公開課》已在微軟虛擬學(xué)院全面上線，感興趣的朋友可以點(diǎn)擊鏈接（https://aka.ms/MicrosoftAIMOOC）跳轉(zhuǎn)學(xué)習(xí)。

據(jù)雷鋒網(wǎng)了解，《微軟人工智能公開課》分為三大塊，呈金字塔結(jié)構(gòu)，最底層針對(duì)所有的開發(fā)者，涵蓋認(rèn)知服務(wù)Cognitive Service以及Bot Framework。中間層針對(duì)數(shù)據(jù)科學(xué)家，包括Azure Machine Learning、HDInsight、Stream Analyst等。最頂層則瞄準(zhǔn)需要開發(fā)自己算法的研究者，主要工具有 Microsoft Cognitive Toolkit、Azure Data Science VM等，同時(shí)也支持其他框架，比如 TensorFlow、Caffee等。

嘉賓介紹

洪小文博士，現(xiàn)任微軟全球資深副總裁，微軟亞太研發(fā)集團(tuán)主席，兼微軟亞洲研究院院長(zhǎng)，全面負(fù)責(zé)推動(dòng)微軟在亞太地區(qū)的科研及產(chǎn)品開發(fā)戰(zhàn)略，加強(qiáng)微軟與中國(guó)和亞太地區(qū)學(xué)術(shù)界的合作。

洪小文博士是電氣電子工程師學(xué)會(huì)院士（IEEE Fellow），微軟杰出首席科學(xué)家和國(guó)際公認(rèn)的語音識(shí)別專家。洪博士在國(guó)際著名學(xué)術(shù)刊物及大會(huì)上發(fā)表過百余篇學(xué)術(shù)論文。

以下為雷鋒網(wǎng)對(duì)嘉賓分享內(nèi)容的實(shí)錄精編。

人工智能概述

很多人都在問，我們研究人工智能的目的是什么。微軟的答案是：讓我們的應(yīng)用和服務(wù)能夠擁有像人類一樣認(rèn)識(shí)世界的能力，在視覺、語音、語言、知識(shí)等維度得到拓展，帶來更好的用戶體驗(yàn)。

還有很多人問，人工智能該如何分類，究竟哪幾部分算人工智能。人工智能技術(shù)紛繁復(fù)雜，但微軟認(rèn)為可以歸結(jié)為三大類：

大數(shù)據(jù)&機(jī)器學(xué)習(xí)

認(rèn)知計(jì)算能力

對(duì)話即服務(wù)的體驗(yàn)

以智能手機(jī)為例，我們與智能手機(jī)的交互是通過不斷點(diǎn)擊屏幕上的菜單來實(shí)現(xiàn)的；用戶需要耗費(fèi)很多時(shí)間學(xué)習(xí)菜單中每個(gè)選項(xiàng)代表的意義。認(rèn)知服務(wù)可以讓我們與機(jī)器的交互變得更加簡(jiǎn)單直接，機(jī)器也能更好地了解用戶的意圖，不必浪費(fèi)太多的溝通時(shí)間。

微軟AI的發(fā)展歷程

微軟在AI領(lǐng)域耕耘已久。1991年，微軟AI基礎(chǔ)研究院成立，致力于打造一個(gè)能夠聽懂、看懂和理解人類以及世間萬物的電腦。2007年，微軟語音部門從研究部門正式轉(zhuǎn)為產(chǎn)品部門，開啟了AI的產(chǎn)品化道路。到2014年，在天津的一個(gè)活動(dòng)中，微軟系統(tǒng)已經(jīng)能夠?qū)⒂⑽难葜v實(shí)時(shí)翻譯為中文了。緊接著，2015年微軟亞洲研究院的計(jì)算機(jī)視覺系統(tǒng)首次在ImageNet上打敗了人類。這套計(jì)算機(jī)視覺系統(tǒng)對(duì)超過2000種物體進(jìn)行辨認(rèn)，失誤率僅為3.5%，而人類的失誤率為5.5%。當(dāng)時(shí)這套神經(jīng)網(wǎng)絡(luò)共有152層，如今已經(jīng)發(fā)展到了上千層。

但對(duì)于微軟來說，人類與人工智能的關(guān)系不是誰打敗誰。事實(shí)上，AI將成為人類最好的工具，能夠拓展人類的智能，讓人類完成更多的事情。一般我們理解的AI是Artificial Intelligence（人工智能），但也可以將其闡釋為Augmented Intelligence（增強(qiáng)智能）。未來人類與機(jī)器密切合作，就能實(shí)現(xiàn)我們理想中的Superman。微軟的愿景就是，通過API等方式讓AI這項(xiàng)看似高大上的技術(shù)平民化。有了微軟的認(rèn)知服務(wù)API，開發(fā)者無需自己做人臉識(shí)別、年紀(jì)識(shí)別和物種識(shí)別，只要使用相應(yīng)的API，就能輕松調(diào)用這些功能，在其熟悉的領(lǐng)域開發(fā)應(yīng)用。

微軟認(rèn)知服務(wù)API

微軟的認(rèn)知服務(wù)API主要可以歸結(jié)為5大類：

視覺：從面部感官到感覺，讓對(duì)話機(jī)器人了解圖像、視頻和情緒。

語音：把語音轉(zhuǎn)換為文本，或把文本轉(zhuǎn)化為語音，了解用戶的意圖，翻譯語言，過濾噪聲以及識(shí)別說話者。

語言：教對(duì)話機(jī)器人理解復(fù)雜的自然語言指令，解析復(fù)雜的文本以及理解用戶情緒。

知識(shí)：從網(wǎng)絡(luò)、學(xué)術(shù)界，或者用戶自己的數(shù)據(jù)積累中融合豐富的知識(shí)。

搜索：通過必應(yīng)API的強(qiáng)大功能，訪問數(shù)十億網(wǎng)頁、圖片、視頻和新聞。

微軟此前和一個(gè)非營(yíng)利組織達(dá)成合作，共同尋找失蹤兒童，其中就用到了視覺服務(wù)中的人臉識(shí)別。利用算法和深度學(xué)習(xí)，系統(tǒng)可以了解一個(gè)人的外貌。雖然人類在成長(zhǎng)過程中外貌會(huì)不斷變化，但系統(tǒng)可以從數(shù)學(xué)的角度找到比例等不變的特征，從而將其辨認(rèn)出來。

微軟的人臉識(shí)別API，除了可以檢測(cè)圖片中的人臉，識(shí)別其屬性；還能實(shí)現(xiàn)人臉驗(yàn)證、相似人臉?biāo)阉鳌⑷四樂纸M、人臉辨識(shí)等功能。此外，情緒識(shí)別也是人臉識(shí)別的重要應(yīng)用之一。微軟的情緒識(shí)別API并非簡(jiǎn)單反饋對(duì)象的情緒好壞，而是返回一個(gè)分值，供開發(fā)者進(jìn)行判斷。

微軟的語音API目前已經(jīng)具備了聽和說的能力，支持多國(guó)語言以及多種方言。此外，聲紋識(shí)別也是語音識(shí)別中非常重要的部分。通過聲紋識(shí)別，系統(tǒng)可以辨認(rèn)出說話人是誰，這對(duì)提升語音識(shí)別的準(zhǔn)確率非常關(guān)鍵。尤其是在嘈雜的環(huán)境中，如果系統(tǒng)可以辨認(rèn)出用戶，那么就可以對(duì)背景聲和其他人的語音進(jìn)行屏蔽，實(shí)現(xiàn)更好的語音識(shí)別效果。

語言和語音的關(guān)系非常緊密，語音只解決了“聽到”的問題，能夠辨認(rèn)出句子中的每一個(gè)字；但要“聽懂”，了解這些句子背后的涵義，就需要用到語言能力。語言能力建立在語音的基礎(chǔ)之上。以往很多所謂的自然交互都是通過關(guān)鍵字判斷來實(shí)現(xiàn)的。比如，用戶輸入“幫我看看是否有違章”，系統(tǒng)自動(dòng)檢測(cè)到關(guān)鍵字“違章”，就能得知用戶想要查詢違章記錄。而借助深度學(xué)習(xí)的語義理解，即使用戶輸入的信息中不包含關(guān)鍵字“違章”——比如輸入“幫我看看是否有違法停車”“我昨天闖紅燈了，怎么辦”，系統(tǒng)也能理解用戶的真實(shí)意圖。

“知識(shí)”能力的應(yīng)用場(chǎng)景很多，其中最具代表性的是學(xué)校，比如尋找論文等。此外，很多企業(yè)也運(yùn)用到了“知識(shí)”的能力，比如利用用戶產(chǎn)生的數(shù)據(jù)，通過深度學(xué)習(xí)，向用戶提供個(gè)性化的產(chǎn)品和服務(wù)。

機(jī)器人寫歌

將多個(gè)微軟的人工智能API整合到一起，可以開發(fā)出非常有趣的應(yīng)用。比如一個(gè)叫做songbot的應(yīng)用，它可以識(shí)別圖片中的內(nèi)容，自動(dòng)獲取關(guān)鍵字進(jìn)行歌詞創(chuàng)作，并將作品唱給你聽。

以上圖為例，系統(tǒng)掃描圖片后自動(dòng)獲取到“小鳥”“飛翔”“自由”“夢(mèng)想”和“天空”等關(guān)鍵詞，這部分用到了視覺的能力。songbot通過學(xué)習(xí)多達(dá)20萬首歌，基于自然語言能力，理解了歌詞的結(jié)構(gòu)和組織。因此獲得關(guān)鍵詞后，可以利用機(jī)器學(xué)習(xí)重新創(chuàng)作歌詞，最后利用語音合成技術(shù)把它唱出來。

微軟人工智能公開課

為了讓開發(fā)者、數(shù)據(jù)科學(xué)家、技術(shù)愛好者和學(xué)生能夠充分利用微軟的人工智能API，開發(fā)出更強(qiáng)大的應(yīng)用，拓展全人類的智慧，微軟特地推出了《微軟人工智能公開課》，邀請(qǐng)各個(gè)領(lǐng)域的專家為不同知識(shí)程度的人工智能從業(yè)人員及愛好者提供針對(duì)性的專業(yè)輔導(dǎo)。該課程可以通過登陸微軟虛擬學(xué)院輕松獲取。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。