Web与人工智能时代
https://v.qq.com/x/page/q0504mcxpob.html
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
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。
更多相关文章
- Java 生态圈与微服务
- 支撑百度搜索引擎99.995%可靠名字服务架构设计
- 微服务架构下的分布式限流方案全解析
- Docker从入门到掉坑(二)：基于Docker构建SpringBoot微服务
- LVS+KeepAlived+Nginx高可用实现方案
- 为了做服务注册迁移，我提前准备了这些东西，来看看对你有没有用！
- Django 使用Celery处理异步任务
- 分布式系统架构中高可用方案技术选型：Hystrix 框架实现服务保护使
- 微服务开发神器之JRebel 插件破解和实现本地及远程热部署教程