微软向Azure云加入更多智能机器学习功能

智能机器学习的讨论已经有一段时间了，大家希望机器学习（ML）能够驱动在软件中需要的人工智能（AI）和智能自动化，但如何建立、训练和进一步教育现在大家寻求的ML大脑？

计算机大脑是使用暴露于数据集的模型构建的，然后随着时间的推移，进行训练、测试和不断丰富，让机器了解什么是正确的，什么是错的，甚至在文化和道德上是否合适的。

Microsoft Azure机器学习服务是一项云服务，使开发人员和数据科学家能够构建、训练和部署机器学习模型。该软件将驻留在Microsoft的AI和ML产品组合中，其中包括该公司的Cognitive Services品牌和更广泛的Azure ML Studio。

那为什么有这个Azure更新？ 因为寻求将ML'智能'纳入应用程序的软件应用程序开发人员的趋势（实际上是需要）是真实的，但这样做的任务是非常复杂并且需要大量后端工作。

开发人员正在寻找的是能够抽象后端复杂性的路由和在大多数非技术术语中插入大块的知识，它们正在尝试构建的应用程序中增加ML智能。这不是仅仅是微软考虑的，这是整个行业正在谈论的。

微软ML大脑的这一部分现在取得的进步部分来自于微软研究院自动化机器学习研究团队Nicolo Fusi所进行的实验。在进行实验时，Fusi试图找出使用哪种ML模型过于复杂，哪种模型很简单。Fusi团队专注于开发能够自动执行数据转换的AI功能，如分类哪些数据与智能任务相关，如何解析和归档以及应按什么顺序排列。模型选择对于工作和超参数调整是AI开发的一部分，比如什么数据规则管理AI大脑内部发生的事情，以及约束、权重或学习率来概括不同的数据模式。

Fusi团队最终无意中创建了已经开发成可用于Microsoft Azure云平台应用程序的新自动机器学习功能产品。微软还宣布，Azure机器学习服务现在包含一个用于Python编程语言的软件开发工具包或SDK，这在数据科学家中非常流行。

这些功能包括分布式深度学习，使开发人员能够利用大量的图形处理单元（GPU）集群构建和“更快地训练模型”，并可访问功能强大的现场可编程门阵列（FPGA），以便在Azure上实现高速图像分类和识别方案。

重要的是能够更快地训练机器学习模型。我们需要构建能够实现下一代智能的AI系统，但是训练部分既艰难又昂贵且容易出错。这项ML训练需要大量资源，将人工大脑暴露于大型数据集，不同的应用程序使用和执行方案，不同的平台要求不同以及功能需求快速变化，用户始终从一组需求快速移动到另一组需求，需要永远连接的云和移动计算世界。

如果能够更快地训练机器大脑，那么可以更快地在高端IT设备上部署更智能的应用程序，这些设备在第一时间工作得更好，更灵活，可互操作，并且也可以像其他应用程序一样方便使用，这就是微软的目标。