智能系统会是人工智能的未来吗？.doc

《智能系统会是人工智能的未来吗？.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、智能系统会是人工智能的未来吗？　　从AISchool到AILab，微软一直在为推进人工智能普及化、降低AI开发门槛做出努力。在微软亚洲研究院副院长、人工智能系统联合中心负责人周礼栋博士看来，突破目前深度学习瓶颈的一大关键就在于系统，系统的最高境界是“完全隐形”。为此，微软亚洲研究院正着力打造一款针对深度学习的开源项目——深度学习智能探索NeuralNetworkIntelligence（NNI），通过简单易用的“隐形”系统、智能自动的学习帮助更多的开发者。　　2017年微软Build开发者大会上，微软高级项目经理CorneliaCarap

2、cea展示了一项技术：　　用户创建的自定义视觉API模型只需要一个训练数据样例（只有几十个摄影样本），而CustomVision则可以完成其余的工作。　　智能系统会是人工智能的未来吗？　　从AISchool到AILab，微软一直在为推进人工智能普及化、降低AI开发门槛做出努力。在微软亚洲研究院副院长、人工智能系统联合中心负责人周礼栋博士看来，突破目前深度学习瓶颈的一大关键就在于系统，系统的最高境界是“完全隐形”。为此，微软亚洲研究院正着力打造一款针对深度学习的开源项目——深度学习智能探索NeuralNetworkIntelligence（

3、NNI），通过简单易用的“隐形”系统、智能自动的学习帮助更多的开发者。　　2017年微软Build开发者大会上，微软高级项目经理CorneliaCarapcea展示了一项技术：　　用户创建的自定义视觉API模型只需要一个训练数据样例（只有几十个摄影样本），而CustomVision则可以完成其余的工作。　　智能系统会是人工智能的未来吗？　　从AISchool到AILab，微软一直在为推进人工智能普及化、降低AI开发门槛做出努力。在微软亚洲研究院副院长、人工智能系统联合中心负责人周礼栋博士看来，突破目前深度学习瓶颈的一大关键就在于系统，系统

4、的最高境界是“完全隐形”。为此，微软亚洲研究院正着力打造一款针对深度学习的开源项目——深度学习智能探索NeuralNetworkIntelligence（NNI），通过简单易用的“隐形”系统、智能自动的学习帮助更多的开发者。　　2017年微软Build开发者大会上，微软高级项目经理CorneliaCarapcea展示了一项技术：　　用户创建的自定义视觉API模型只需要一个训练数据样例（只有几十个摄影样本），而CustomVision则可以完成其余的工作。　　　　一旦创建了这个模型（只需几分钟），用户就可以通过安装在微软服务器上的RESTA

5、PI访问。Carapcea说它可以用于识别食物和地标，甚至是应用在零售环境中。　　CustomVision可以选择最可能为模型增加最大增益的图像，允许用户手工标记图像，然后继续改进总体的准确性和可靠性。　　　　微软亚洲研究院副院长、人工智能系统联合中心负责人周礼栋博士在接受AI前线记者采访时说：MicrosoftCustomVision和GoogleCloudAutoML都是针对视觉识别领域里的AutoML（自动学习）的一个应用，都非常的简单易用。通过把复杂的模型选取、参数调优的过程掩藏在了产品的背后，MicrosoftCustomVis

6、ion可以给用户提供一个非常简单易用的体验，使非专业人士也能零门槛的定制自己的模型。　　同时，MicrosoftCustomVision也是微软认知服务（CognitiveServices）中的一部分，微软推出的认知服务包括视觉、语音、语言、知识和搜索等五大类别的二十多个API，如人脸识别、情绪识别、语音识别、拼写检查、语言理解等等。微软认知服务的侧重点是为用户提供一个通用的服务，用户可以直接调用现成的智能API来开发出更智能、更有吸引力的产品，而不需要花费大量时间来自己训练模型。　　而对于最近刚刚兴起的AutoML技术，周博士也发表了一

7、些自己的看法：　　近年来，“AutoML（自动学习）”已经成为了一个研究热点。通过自动化的方式，机器试图学习到最优的学习策略，从而避免机器学习从业者低效的手动调整。经典的AutoML方法包括用于超参数调节的贝叶斯优化（BayesianOpTImizaTIon），以及用于优化器和网络结构调整的元学习技术（Metalearning/Learning-to-Learn）。除了在学术界引起了广泛研究兴趣，AutoML在工业界也已经得到了实际应用，例如此前提到的微软Azure提供的自定义影像（CustomVision）服务，它能够方便云计算用户自动

8、训练用于计算机视觉的机器学习模型。　　AutoML让用户在没有专业知识的情况下使用机器学习的门槛大大地降低，甚至可谓是零门槛。在没有机器学习专家指导的情况下，用户通过AutoML就能在一定情况