معرفی ابزارهای هوش‌مصنوعی مایکروسافت

امروزه مایکروسافت یکی بزرگ‌ترین ارائه‌دهندگان سرویس ها ابری (Cloud) قدرتمند هوش‌مصنوعی میباشد

در حقیفت، بر اساس نظرسنجی RightScale که در سال ۲۰۱۸ انجام شده است ،

خدمت‌های Microsoft Azure Cloud فعلا در مرتبه دوم Amazon AWS قرار دارند.

در این مقاله، می خواهیم به معرفی ابزارهای هوش‌مصنوعی مایکروسافت بپردازیم.

در حال حاضر بعضی از ابزارهای متفاوت مایکروسافت که اینک در دسترس می باشند

و بعضی آیتم‌های تکمیلی را به شما معرفی می کنیم.

درنهایت، فرآیند بعدی درباره با پژوهش ها هوش‌مصنوعی را به شما معرفی خوا‌هیم کرد.

ابزارهای هوش‌مصنوعی (AI) مایکروسافت

Microsoft Azure فعلا طیف وسیعی از سرویس ها را ارائه می دهد که قادر است

برای تولید هر گونه روش‌حلی مبتنی بر هوش‌مصنوعی مورد استفاده قرار گیرد.

برخی از مهم ترین آنان عبارتند از:

Azure Machine Learning Service

Azure Machine Learning Studio

Auto Machine Learning (ML)

Azure Internet of Things (IoT)

سرویس یادگیری ماشین Azure (Azure Machine Learning Service)

Azure Machine Learning شمارا قدرتمند می‌سازد

با استفاده از سرویس ابری مایکروسافت مدل‌های یادگیری ماشین و یادگیری عمیق را ایجاد و تست کنید.

به این ترتیب دیگر لازم نیست نگران محدودیت قدرت محاسباتی و حافظه دستگاه لوکال خود باشید،

زیرا همه کارها بر روی سرویس‌های مایکروسافت انجام می‌شوند.

هنگام استفاده از Azure Machine Learning، تمامی کتابخانه‌های اصلی پایتون از قبل نصب شده‌اند

(برای مثال Tensorflow، PyTorch، scikit-learn)، بنابراین زمان تنظیم به حداقل می‌رسد.

این امر به توسعه‌دهندگان امکان میدهد به سرعت مدل‌های جدید را بدون هر گونه محدودیت یا تنظیم محیط ایجاد کنند.

Azure Machine Learning Studio

Azure Machine Learning Studio کاربران را قادر می‌سازد

بدون نیاز به تجربه برنامه‌نویسی کارهای یادگیری ماشین را انجام دهند.

مدل‌های ML فقط با استفاده از یک رابط تصویری با کشیدن و رها کردن

(drag and drop) همه اجزای مدل ایجاد و تست می‌شوند.

پس از آماده شدن یک مدل برای استقرار (deploye) در دنیای واقعی،

می‌توان آن را به راحتی از پلت‌فرم Azure ML Studio اکسپورت کرد.

هم‌اکنون، Azure Machine Learning Studio عمدتا برای کارهای رگرسیون، کلاستر کردن،

طبقه‌بندی مناسب است . علاوه‌براین، در صورت تمایل،‌

می‌توانید کد را در Python یا R در Azure Machine Learning Studio اضافه کنید تا قابلیت‌های گردش کار بیشتری اضافه شود.

Auto Machine Learning (ML)

یادگیری ماشین اتومات اکنون یکی‌از داغ‌ترین موضوعات در هوش‌مصنوعی میباشد.

امروزه پژوهشگران داده و مهندسان یادگیری ماشین تلاش و وقت متعددی را صرف میکنند

تا شایسته ترین نوع یادگیری ماشین و Hyper-parameters را شناسایی نمایند

تا برای هر مورد از شغل های گوناگون پیش‌بینی گردیده گزینه استعمال قرار دهند.

هدف AutoML خودکارسازی این فرآیند میباشد،

که با تولید نرم‌افزاری صورت می گیرد که قادر به شناسایی درست و تست مدل‌های یادگیری ماشین میباشد.

Automated Machine Learning همچنان در حال توسعه میباشد

و توسعه‌ بزرگی خواهد داشت و اکنون می‌تواند (با نتایج رضایت‌بخش)

صرفا برای تعداد محدودی از کارها مورد استفاده قرار ‌گیرد. AutoMl می‌تواند

در حال حاضر با استفاده از ابزارهای مایکروسافت با استفاده از Azure Machine Learning یا ML.NET پیاده‌سازی شود.

در حال حاضر، فقط طبقه‌بندی و پیش‌بینی/رگرسیون مسائل می‌توانند با استفاده از سرویس‌های مایکروسافت حل شوند.

AutoML می‌تواند با استفاده از کتابخانه‌هایی مثل Auto-sklearn، TPOT و H2O در پایتون اجرا شود.

در حال حاضر برنامه AutoML در مسئله‌هایی مثل یادگیری سوای بررسی (Unsupervised Learning) هنوز تحت توسعه است .

Azure Internet of Things (IoT)

Azure قادر است در هر دو حالت از پیش تنظیم شده و کاملا قابل تنظیم برای خدمات اینترنت اشیاء ارائه شود.

در این روش، Azure می تواند چاره‌هایی را برای مبتدیان و افراد حرفه‌ای در IoT ارائه دهد.

Microsoft Azure شما را قادر می‌سازد تا سیستم‌های IoT را به راحتی مقیاس‌بندی فرمائید

تا دستگاه‌ها را از تولیدکنندگان مختلف در بر گیرد و همچنین تحلیل و پشتیبانی از سرویس‌های یادگیری ماشین را ارائه میدهد.

تحقیقات در هوش مصنوعی

اکنون مایکروسافت علاقه متعددی به هوش‌مصنوعی نشان میدهد.

اینک برخی از سرویس ها آن مانند Cortana، Skype یا Office 365 از پیش شروع به استفاده گسترده از هوش‌مصنوعی کرده‌اند.

علاوه‌براین، در سال ۲۰۱۸، مایکروسافت ۵ شرکت هوش‌مصنوعی را به دست آورده است .

مایکروسافت همچنین تصمیم گرفته سازمانی به اسم Microsoft Research AI ایجاد کند

تا روی پیشرفت‌های آتی محصولات AI عمل نماید.

برخی از مباحث اصلی که در حال حاضر در درحال حاضر بررسی و پژوهش هستند عبارتند از: Bias in AI، Ethics و Interpretability.