微软涉足自动化机器人,这会是下个风口吗?

作者: 互联网资讯  发布:2019-10-19

机器学习和人工智能将带来许多跨领域和专业的自动化。但我们有时将自动化视为二元的:要么是完全自动化,要么就是没有自动化。事实是,自动化是有一系列的等级。例如,自动驾驶汽车行业就有多个级别,只有最高级别(级别5)代表完全自动化。

5月7日,在微软Build 2019开发者大会上,微软宣布推出第一个应用微软AI的自主系统(Autonomous systems)。该系统建立在微软此前收购的Bonsai公司的基础能力上,可帮助开发人员使用微软的AI和Azure相应工具训练可以自主运行的系统模型。

我们需要多久才能看到真正聪明的助手?更一般地说,离实现企业工作流程自动化还需要多久?进展速度将取决于关键模块的研究进展。对于聊天机器人而言,关键模块包括自然语言理解和自然语言生成。对于人工相关的工作,需要在传感器感知和机器人方面取得进步。

尽管近年来人工智能的进步强调了需要理解Python的机器学习框架(如TensorFlow和 Microsoft Cognitive Toolkit),但微软等公司一直在开发平台和工具,帮助那些不知道如 何编写代码、培训和部署人工智能模型的人。

  • 首先,教会一个智能体在特定环境里行动需要很多的数据。这就是为什么很多初创应用都是在能够进行模拟的领域出现。
  • 其次,重现研究论文里的结果并转换成可以工作的系统是非常有挑战性的。这一点可能会随着新的开源系统(特别是RISE实验室的Ray和RLib)的出现并被更多的研究人员使用而得到改变。我们会看到更少的自定义或一次性代码。巧合的是,最近几周我参观了一些主要的公司。这些公司已经将Ray作为其基础设施的一部分用于生产系统。

据官方信息显示,Bonsai的端到端平台可以提供一套完整的工具,目前可以通过机器教学,将专业人士知识融入到机器学习模型中,平台会自动选择最合适的深度强化学习算法,用于训练特定模型,布置神经网络和调整超参数。

总结思考

据悉,该系统主要应用了微软的机器教学和仿真技术两项技术,以模拟真实环境进行模型/系统训练。在此次系统首个预览版本发布之前,微软就这一系统已与丰田旗下Toyota Material Handling公司、Sarcos公司合作,分别对二者的自动叉车机器人、远程视觉检测机器人进行了智能化改进。

金沙澳门官网dkk,更近一些时候,我们开始看到贝叶斯方法和神经进化方法与深度学习相结合。我期待在未来看到更多的论文和文章介绍吸引人的和非常实用的混合系统。

不过,机器教学是依赖于人工智能的一种特殊的"试错"方法,也称为深度强化学习。例如,如果目标是将一个对象移动到特定的目标,那么只要系统将对象指向正确的方向,系统就会得到奖励。

让我们先从一个我们近期所做的调研开始:在企业所关注的事情里,我们发现主要(54%)的关注点是认为深度学习是他们未来项目的一个重要部分。深度学习是一种特殊的机器学习技术,它在多个领域的成功已经带来了对人工智能热情的复兴。

"机器一直都在从全手动到拥有固定的全自动化功能的道路上前进,将可变得足够智能以便在实际上自己处理现实世界里的情况。"微软商业AI副总裁古尔迪普·帕尔(Gurdeep Pall)说道。"我们想要帮助加快这一进程,让客户无需拥有一支AI专家大军。"

编者注:文中超链接如果不能访问可以点击“阅读原文”访问本文原页面;读者可以查看将在2018年10月8日到11日举办的人工智能伦敦大会的完整日程。

金沙澳门官网dkk 1

Ben Lorica

金沙澳门官网dkk 2

金沙澳门官网dkk 3

金沙澳门官网dkk 4

在本博文里我来分享Roger Chen和我在2018年5月份举办的人工智能纽约大会上的幻灯片和注释。很多企业已经开始探索机器学习和人工智能。这里我们希望能给出一个如何思考这些技术和他们在自动化里的作用的回顾和框架总结。在这一过程中,我们会讲述那些能被用于实现自动化的机器学习和人工智能的工具。

微软企业人工智能副总裁Gurdeep Pall说,如果人工智能变得更加深奥和难以理解,那么它将朝着错误的方向发展。他补充说 ,机器教学意味着将知识从人类专家的大脑转移到金融、制造和客户支持等领域的机器学习 算法上。

金沙澳门官网dkk 5

微软将机器教学作为机器学习的补充,这是一种人工智能系统分析数据并学习如何预测事物的方式,比如照片是否包含人脸。通过机器教学,人们将一项任务分解为单独的部分,引导这个系统进行学习,类似于学习棒球的人可能会先练习软式垒球,然后才能进入下手投球和全垒球的练习。

2.能够规模化来验证自动化的益处吗?

然而,强化学习也不是没有挑战的:

我们今天的人工智能系统依赖于深度学习,因此往往需要大量的标记数据。这些数据被用于训练深度模型,并需要大量的计算资源。我预测未来的人工智能系统将与我们今天的系统不同。首先,今天所谓的人工智能通常只是机器学习。在最近的一篇文章中,我们概述了为明天的人工智能应用构建工具的工作:

尽管存在这些挑战,已经开始在工业自动化等领域出现了强化学习的实际应用。 Bonsai的Mark Hammond描述了许多公司如何使用强化学习的例子,包括如何管理风机或操作昂贵的机器。据报道,Google的DeepMind开发了一种基于强化学习的系统,可以帮助改进其数据中心的功耗。Hammond介绍了把强化学习模型训练成为“机器教学”的过程:让领域专家去训练基于强化学习的系统,然后它就可以实现自动化:

金沙澳门官网dkk 6

金沙澳门官网dkk 7

出现自动化的领域之一是软件开发和数据科学。这并不奇怪,因为工程师是很聪明的,他们总是试图自动执行重复和繁琐的任务。从数据库管理系统到设计神经网络架构,再到编写无bug代码的工具,有许多有趣的自动化工具正在出现。另一个爆炸性发展的领域是与客户交互的自动化。我们仍然处于客户交互自动化的早期阶段,与可能在几年后出现的智能助理相比,我们今天看到的许多初级聊天机器人将显得苍白无力。

除了深度学习,强化学习(RL)也是企业里获得了关注的题目。在很多知名的人工智能系统里,强化学习扮演了关键的角色。取决于上下文,一个人工智能系统可能被要求解决不同类型的问题。强化学习擅长于解决那些在监督学习和非监督学习领域之外的问题。理解强化学习的一种思路是把它看成某个智能体重复地探索一个给定的环境,从而学习如何在这个环境里行动。一个算法可能试图去学习一种策略,让智能体在特定条件下行动。现实情况是,依赖于强化学习的“自学习”系统的著名案例已经让强化学习成为人工智能学者关注的一个热门课题。

本文由金沙澳门官网dkk发布于互联网资讯,转载请注明出处:微软涉足自动化机器人,这会是下个风口吗?

关键词: