Web与人工智能时代

内容来源：2017年5月13日，微软（中国）开发体验与合作事业部技术顾问佘泽鹏在“HTML梦工场&微软开发者沙龙第06期”进行《Web与人工智能时代》演讲分享。IT大咖说作为独家视频合作方，经主办方和讲者审阅授权发布。

阅读字数: 2781 用时: 14分钟

摘要

“人工智能”一词最初是在1956年Dartmouth学会上提出的。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。人工智能（Artificial Intelligence）英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。

嘉宾演讲视频和PPT地址： t.cn/RNUZmwD

增强人类的智慧

现在人工智能非常火，首先是因为云计算发达，提供了强大的计算能力。

高强度的算法可以帮助做到人工智能。

人工智能需要大量数据来训练、规划，我们有海量的数据来做人工智能。

这是人工智能三股强大的动力。

MicrosoftGraph是一个开发平台，它提供了强大的网络、强大的API，可以连接不同的数据、不同应用。利用相应平台的不同数据，做到跨设备跨平台的无缝对接。

AI Infrastructure&Service

微软在人工智能提供了不同的平台，要把AI带到每个人身边，让不同层次的开发者都能利用微软技术帮助他们的业务。

如图所示，最底层是硬件的创新，有海量的硬件计算能力。有GPU、scale和FPGA。例如FPGA可以把相应的算法编成可编程的阵列写进硬件里，使计算更高速。

上一层提供了海量数据的存储和分析。

第三层是Machine Learning的算法，Cognitive Toolkit。提供了开源算法的工具包，研究人员可以用工具包来写自己的算法并研究相应的人工智能技术。

Azure Machine Learning Studio是Azure的一项机器学习的服务，服务包含了一些现成算法。通过可视化界面，用拖拉拽的方式就可以将算法运行起来，也可以添加Python或者R的脚本。数据科学家只需理解这些算法，但不用自己写太高难度的算法。

CognitiveService供开发者使用，它是一套API，可以直接调用。

微软在不同层次提供了相应的服务。

Microsoft AI Portfolio

从另一个维度来看，微软人工智能的四大支柱是Agent、Applications、Services、Infrastructure。

Agent：有Cortana和XiaoIce。

Applications：微软把人工智能技术运用到自家的应用里，比如office、输入法、pix和skype等等。

Services：还有像Bot Framework、Cognitive Services、Cognitive Toolkit等相应的Services。

Infrastructure：基础设施，比如硬件、存储、分析都属于Infrastructure，微软提供了相应的一些基础设施服务用于机器学习。

Cognitive Services

认知服务是一套REST API，无论是写Web、Andriod还是ios，不管是什么样的开发者，都可以使用这套REST API来帮助业务或应用服务变得更加智能化。

CognitiveServices主要有五个部分，vision、language、speech、search和knowledge。

在之前的推广过程中，我们发现很多开发者喜欢自定义的东西，所以我们推出了自定义服务。

比如自定义的视觉服务、自定义智能语言理解服务、自定义语音服务、自定义搜索和自定义决策。

视觉

计算机影像API：上传一张图，它可以识别出图中的内容。

人脸API：做人脸识别、登录等操作。

内容审查器：内容合法性识别。

情感API：把人脸分析成八种表情并识别出来，每种表情给出百分比数据。

Video API：对视频进行防抖处理、动作检测、人脸追踪等。

CustomVision Service：自定义计算机视觉服务。

Video Indexer：识别视频内容、对视频进行分析。

先进的图像处理算法可帮助自动审查内容，通过返回人脸、图像和情绪等智能见解构建更人性化的应用。

Computer Vision

Analyze Image

识别出图片里的内容。

OCR

提取图片中的文字。

它会把图片的语言、方向、文本的位置都识别出来，可以做叠加。目前更适合做文本的扫描，全球版还能识别手写的文字。

Smart Thumbnail

用API做图片的智能识别。

Face APIs

FaceAPI——Detection

上传一张人脸图片，人脸检测会返回一个json的格式。Json格式包含了人脸的属性、人脸特征点的位置。

Face API——Verification

Face API——Group

人脸分组。

FaceAPI——Identify

人脸识别需要先上传图片，建立一个库。以后根据人脸的特征点就能进行识别。

Emotions APIs

语音

处理应用程序中的语音。

自定义语音服务：在特定场景下，对一些特定词汇进行调整，提高识别率。

说话人识别API：先训练几段语音，在后来上传语音的时候就能自动进行识别。

Translator语音API：通过语音进行翻译。

还有必应语音API。

语音API

Voice Recognition Model

语音识别分为REST和WebSocket两种方式。Result通过N-Bset的算法计算出来。

Custom Speech自定义语音识别服务

克服语音识别障碍，如说话风格、词汇和背景噪音。用户可以通过调整语音识别器的语言模型，使其匹配应用程序的词汇和用户的说话风格，针对自己的场景进行自定义，提高语音识别在特定场景的识别率。

语言

语言理解智能服务（简称LUIS, luis.ai）、Web语言模型API、Translator文本API、必应拼写检查API、文本分析API、Linguistic Analysis API。

让应用能够处理自然语言、评估观点和主题，并了解到如何识别用户需求。

文本分析API

情感分析：该API会在完成分析后返回一个介于0-1之间的分值。接近1的分数表示积极情感，接近0的分数表示消极情感。情感分数是基于分类技术而产生的。分类器的输入特性包含n-gram，词性标签中的特性以及单词嵌入。目前，支持的语言包括英语、法语、西班牙语和葡萄牙语。

关键短语提取：该API会返回一个字符串列表表示输入文本的要点。我们采用Microsoft Office的复杂的自然语言处理工具。目前，英语是唯一受支持的语言。

话题检测：这是一个新发布的API。该API可以返回在提交的文本中所检测到的话题。话题是根据一个关键短语来确定的，关键短语可以是一个或者多个相关联的词语。该API要求每次提交至少100条文本记录，可以帮助你在成千上万条文本记录中检测话题。每一次文本记录提交均会收取一次API调用费用。该API适用于人类书面编写的较短的文本，例如评论或用户反馈等。

语言探测：API会返回探测到的语言以及一个介于0-1之间的数值。数值为1表示100%确定探测到的语言种类。目前共支持120种语言。

Language Understanding Intelligent Service

人类要表达一个意思，有好几种说话方式。Language Uderstanding Intelligent Service就是要让计算机也能够理解人类用不同方式表达出的同一个意思。

Intent，意图，是指所要表达的意思。

Entites是一个实体，就是里面的参数。

用户可以通过自定义意图和实体，在用户的场景下实现定制化的语音理解服务，一般可以与Bot Framework结合，实现智能客服的场景。

QnAMaker，这个服务可以快速生成一个能够回答FAQ问题的智能客服机器人。

知识

详细规划复杂的信息和数据，以解决智能推荐和语义搜索等任务。

搜索

通过必应搜索API使你的应用、网页和其它体验功能更加智能、更具吸引力。

实验室项目

发掘探索最新的认知服务技术。在认知服务正式发布之前，可以在这里探索、尝试新的认知服务技术，并提供反馈。

Redefining Microsoft with AI

人工智能需要大量数据，最重要的是如何去获取这些数据。Microsoft Graph允许用户使用组织内的数据来推动人工智能的转型。它借助office365、必应这些数据和外界数据的结合，与业务系统结合，打造出很多智能应用和服务。

我今天的演讲就到这里，谢谢大家。

推荐文章

• 创业公司中的Java高效应用

• 小米深度学习平台架构与实现
  

近期活动

七夕福利 | 腾讯IMWebConf 2017前端开发者大会免费票

直播 |【阿里云MVP MeetUp】一起把云计算拆了玩儿