معرفی ابزارهای هوش مصنوعی مایکروسافت

در این مقاله، می‌خواهیم به معرفی ابزارهای هوش مصنوعی مایکروسافت بپردازیم. اکنون برخی از ابزارهای مختلف مایکروسافت که در حال حاضر در دسترس هستند و برخی گزینه‌های تکمیلی را به شما معرفی می‌کنیم. درنهایت، مراحل بعدی در رابطه با تحقیقات هوش مصنوعی را به شما معرفی خواهیم کرد.

ابزارهای هوش مصنوعی (AI) مایکروسافت

Microsoft Azure در حال حاضر طیف وسیعی از خدمات را ارائه می‌دهد که می‌تواند برای ایجاد هر نوع راه‌حلی مبتنی بر هوش مصنوعی مورد استفاده قرار گیرد. برخی از مهم‌ترین آن‌ها 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 شما را قادر 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، همه کتابخانه‌های اصلی پایتون از قبل نصب شده‌اند (مثلا 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 اتوماتیک در حال حاضر یکی از داغ‌ترین موضوعات در هوش مصنوعی است. امروزه دانشمندان داده و مهندسان یادگیری ماشین تلاش و وقت زیادی را صرف می‌کنند تا بهترین مدل یادگیری ماشین و Hyper-parameters را شناسایی کنند تا برای هر یک از کارهای مختلف پیش‌بینی شده مورد استفاده قرار دهند.

هدف AutoML خودکارسازی این فرآیند است، که با ایجاد نرم‌افزاری صورت می‌گیرد که قادر به شناسایی درست و تست مدل‌های یادگیری ماشین است.

Automated Machine Learning همچنان در حال توسعه است و توسعه‌ بزرگی خواهد داشت و در حال حاضر می‌تواند (با نتایج رضایت‌بخش) فقط 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 زمینه‌هایی مثل یادگیری بدون نظارت (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 قادر است راه‌حل‌هایی را برای مبتدیان و افراد حرفه‌ای در IoT ارائه دهد.

Microsoft Azure شما را قادر می‌سازد تا سیستم‌های IoT را به راحتی مقیاس‌بندی کنید 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 زیادی به هوش مصنوعی نشان می‌دهد. در حال حاضر برخی از خدمات آن مانند Cortana، Skype یا Office 365 از پیش شروع به استفاده گسترده از هوش مصنوعی کرده‌اند. علاوه‌براین، در سال 2018، مایکروسافت 5 شرکت هوش مصنوعی را به دست آورده است.

مایکروسافت همچنین تصمیم گرفته سازمانی به نام Microsoft Research AI ایجاد کند تا روی پیشرفت‌های آتی محصولات AI کار کند. برخی از مباحث اصلی که در حال حاضر در حال بررسی و پژوهش هستند عبارتند از: Bias in AI، Ethics و Interpretability.