AI 简介--来自微软学习https://learn.microsoft.com/zh-cn/training/modules/get-started-ai-fundamentals/

已完成100 XP

• 2 分钟

AI 使我们能够生成可以改进卫生保健的出色软件，让人能够克服生理上的不便，改进智能基础结构，创造令人惊叹的娱乐体验，甚至拯救地球！

观看以下视频，了解 AI 的一些用法。

什么是 AI？

简而言之，AI 就是一种模仿人类行为和能力的软件。 关键工作负载包括：

• 机器学习 - 它通常是 AI 系统的基础，也是我们“教”计算机模型进行预测并根据数据得出结论的方式。
• 计算机视觉 - 通过相机、视频和图像直观地解释世界的 AI 功能。
• 自然语言处理 - 计算机理解书面或口头语言并作出相应反应的 AI 功能。
• 文档智能 - 与管理、处理和使用表单及文档中的大量数据有关的 AI 功能。
• 知识挖掘 - 从大量通常非结构化数据中提取信息以创建可搜索的知识存储的 AI 功能。
• 生成式 AI - 以各种格式（包括自然语言、图像、代码等）创建原始内容的 AI 功能。

了解机器学习

已完成100 XP

• 4 分钟

机器学习是大部分 AI 解决方案的基础。 自 20 世纪 50 年代以来，研究人员（通常称为数据科学家）一直在研究不同的 AI 方法。 大多数现代 AI 应用程序都起源于机器学习，这是一个结合了计算机科学和数学的 AI 分支。

首先，让我们看看使用机器学习来解决难题的现实示例。

在保护脆弱的环境的同时最大程度提高粮食产量方面，可持续农耕技术至关重要。 The Yield 是一家设在澳大利亚的农业技术公司，该公司使用传感器、数据和机器学习来帮助农民做出与天气、土壤和农作物情况相关的明智决策。

观看以下视频了解详情。

机器学习的工作方式

那么机器如何学习？

答案是从数据中学习。 在当今世界，我们在日常生活中会创建大量数据。 从我们发送的短信、电子邮件和社交媒体帖子，到我们用手机拍摄的照片和视频，我们产生了大量信息。 我们的房屋、汽车、城市、公共交通基础设施和工厂中的数百万个传感器也在创建更多数据。

数据科学家可使用所有这些数据来训练机器学习模型，这些模型可以根据它们在数据中找到的关系进行预测和推断。

机器学习模型尝试捕获数据之间的关系。 例如，假设一个环境保护组织需要志愿者使用手机应用来对不同种类的野花进行识别和分类。 以下动画展示了如何使用机器学习来实现此方案。

1. 一个由植物学家和科学家组成的团队收集有关野花样本的数据。
2. 团队给样本标上正确的物种种类。
3. 使用算法对标记的数据进行处理，该算法可以找出样本特征与标记的物种之间的关系。
4. 该算法的结果内嵌在模型中。
5. 志愿者发现新样本后，该模型可以正确识别物种标记。

AI 方法已经发展到可以完成复杂得多的任务。 这些复杂的模型构成了 AI 功能的基础。

Microsoft Azure 中的机器学习

Microsoft Azure 提供 Azure 机器学习服务，这是一个基于云的平台，可用于创建、管理和发布机器学习模型。 Azure 机器学习工作室提供了多种创作体验，例如：

• 自动化机器学习：此特性使非专业人员可以根据数据快速创建有效的机器学习模型。
• Azure 机器学习设计器：这是一种图形界面，支持无代码开发机器学习解决方案。
• 数据指标可视化：使用可视化分析和优化试验。
• 笔记本：在直接集成到工作室中的托管 Jupyter Notebook 服务器中编写和运行自己的代码。

了解计算机视觉

已完成100 XP

• 5 分钟

计算机视觉是 AI 的一个领域，它负责处理视觉对象。 让我们了解一下计算机视觉带来的一些可能性。

Seeing AI 应用是一个很好的计算机视觉示例。 Seeing AI 应用专门面向盲人和弱视群体，它利用 AI 的力量来打开视觉世界，描述附近的人、文字和物体。

观看以下视频，详细了解 Seeing AI。

若要了解详细信息，请查看 Seeing AI 网页。

计算机视觉模型和功能

大多数计算机视觉解决方案都基于机器学习模型，这些模型可应用于来自相机、视频或图像的视觉输入。 下表描述了常见的计算机视觉任务。

展开表

任务	说明
图像分类	图像分类涉及训练机器学习模型，使其根据图像内容对图像进行分类。 例如，你可以在交通监控解决方案中使用图像分类模型，根据图像所包含的车辆类型（例如出租车、公共汽车、骑自行车的人等）对图像进行分类。
对象检测	对象检测机器学习模型经过训练，可以对图像中的单个对象进行分类，并使用边界框确定其位置。 例如，交通监控解决方案可使用对象检测来识别不同类别车辆的位置。
语义分割	语义分割是一种高级机器学习技术，其中图像中的各个像素根据其所属的对象进行分类。 例如，交通监控解决方案可能会在交通图像上覆盖“蒙版”图层，以使用特定颜色突出显示不同的车辆。
图像分析	你可以创建结合使用机器学习模型和高级图像分析技术从图像中提取信息的解决方案，包括可以帮助对图像进行归类的“标签”，甚至可以归纳总结图像中所示场景的描述性标题。
人脸检测、分析和识别	人脸检测是对象检测的一种特殊形式，可以在图像中找出人脸。 这可以与分类和面部几何分析技术相结合，用于根据他们的面部特征来识别个人。
光学字符识别 (OCR)	光学字符识别是一种用于检测和读取图像中文本的技术。 你可以使用 OCR 读取照片中的文字（例如：路标或店面），或从扫描的文档中提取信息，例如字母、发票或表格。

Microsoft Azure 中的计算机视觉服务

可使用 Microsoft 的 Azure AI 视觉来开发计算机视觉解决方案。 可在 Azure 视觉工作室和其他编程语言中使用和测试这些服务功能。 Azure AI 视觉的一些功能包括：

• 图像分析：这些功能用于分析图像和视频，还用于提取说明、标记、对象和文本。
• 人脸：这些功能让你能够构建人脸检测和面部识别解决方案。
• 光学字符识别 (OCR)：这些功能用于从图像中提取印刷文本或手写文本，使用户能够访问已扫描的文本的数字版本。

了解自然语言处理

已完成100 XP

• 4 分钟

自然语言处理 (NLP) 是 AI 的一个领域，它负责创建能够理解书面和口头语言的软件。

NLP 使你能够创建可以执行以下操作的软件：

• 分析和解释文档、电子邮件和其他来源中的文本。
• 解释口头语言，并合成语音响应。
• 自动将口头或书面短语在各种语言之间进行翻译。
• 解释命令并确定合适的操作。

例如，星舰指挥官是一款由 Human Interact 开发的虚拟现实 (VR) 游戏，故事发生在科幻世界中。 该游戏使用自然语言处理让玩家能够控制对白，并与游戏中的人物和星舰系统交互。

观看以下视频了解详情。

Microsoft Azure 中的自然语言处理

可以使用 Microsoft 的 Azure AI 语言构建自然语言处理解决方案。 Azure AI 语言的一些功能包括理解和分析文本、训练能够理解语音或基于文本的命令的对话语言模型以及构建智能应用程序。

Microsoft 的 Azure AI 语音是另一项可用于构建自然语言处理解决方案的服务。 Azure AI 语音功能包括语音识别和合成、实时翻译、对话听录等。

你可以在 Azure Language Studio 中查看 Azure AI 语言功能，在 Azure Speech Studio 中查看 Azure AI 语音功能。 这些服务功能可在工作室和其他编程语言中使用和测试。

了解文档智能和知识挖掘

已完成100 XP

• 3 分钟

文档智能是 AI 的一个方面，用于管理、处理和使用在表单和文档中发现的大量各类数据。 借助文档智能，能够创建可自动处理合同、运行状况文档和财务表单等的软件

Microsoft Azure 中的文档智能

可使用 Microsoft 的 Azure AI 文档智能生成解决方案，来管理和加快从已扫描的文档中收集数据的操作。 Azure AI 文档智能的功能可帮助自动执行应用程序和工作流中的文档处理、增强数据驱动的策略并丰富文档搜索功能。 可使用预生成模型为发票、收据、医疗保险卡和税务表单等添加智能文档处理。 还可使用 Azure AI 文档智能创建具有自己标记的数据集的自定义模型。 可在文档智能工作室和其他编程语言中使用和测试这些服务功能。

知识挖掘

知识挖掘是一个术语，用于描述涉及从大量非结构化数据中提取信息来创建可搜索知识存储的解决方案。

Microsoft Azure 中的知识挖掘

其中一个 Microsoft 知识挖掘解决方案是 Azure AI 搜索，它是一种专用的企业搜索解决方案，具有用于生成索引的工具。 然后，这些索引仅可在内部使用，或在面向公众的 Internet 资产上启用可搜索内容。

Azure AI 搜索可以利用 Azure AI 服务的内置 AI 功能（例如图像处理、文档智能和自然语言处理）来提取数据。 通过产品的 AI 功能，可以对以前不可搜索的文档编制索引，以及快速从大量数据中提取和显示见解。

了解生成式 AI

已完成100 XP

• 2 分钟

生成式 AI 描述 AI 中用于创建原创内容的一类功能。 人员通常与聊天应用程序中内置的生成式 AI 交互。 生成式 AI 应用程序接受自然语言输入，并以自然语言、图像、代码和音频等各种格式返回适当的回复。

Microsoft Azure 中的生成式 AI

在 Microsoft Azure 中，可以使用 Azure OpenAI 服务生成生成式 AI 解决方案。 Azure OpenAI 服务是 Microsoft 的云解决方案，用于部署、自定义和托管生成式 AI 模型。 它将 OpenAI 最前沿的模型和 API 与 Azure 云平台的安全性和可伸缩性结合在一起。

Azure OpenAI 支持许多可满足不同需求的基础模型选项。 可在 Azure OpenAI Studio 和其他编程语言中使用和测试这些服务功能。 可以使用 Azure OpenAI Studio 用户界面来管理、开发和自定义生成式 AI 模型。

AI 的挑战和风险

已完成100 XP

• 3 分钟

人工智能是一种强大的工具，可以极大地造福世界。 但是，像任何工具一样，必须负责任地使用它。

下表显示了 AI 应用程序开发人员面临的一些潜在挑战和风险。

展开表

挑战或风险	示例
偏差可能会影响结果	贷款审批模型因训练数据中的偏差而产生性别歧视
错误可能会造成伤害	自动驾驶车辆遇到系统故障并引发碰撞
数据可能被暴露	医疗诊断机器人使用敏感患者数据进行训练，这些数据存储不安全
解决方案可能并不适用于所有人	家庭自动化助手不为视觉障碍用户提供音频输出
用户必须信任复杂系统	一个基于 AI 的金融服务工具提供投资建议。这些建议的基础是什么？
谁对 AI 驱动的决策负责？	一个无辜的人因为基于面部识别的证据而被判有罪。 谁该为此负责？

了解负责任 AI

已完成100 XP

• 10 分钟

在 Microsoft，AI 软件的开发遵循六项原则，旨在确保 AI 应用程序能为棘手的问题提供出色的解决方案，而不产生任何意外的负面影响。

公平

AI 系统应该公平对待所有人。 例如，假设你创建了一个机器学习模型来为银行的贷款审批应用程序提供支持。 模型应该毫无偏见地预测贷款是否应批准或拒绝。 这种偏见可能基于性别、种族或其他导致特定申请人群体出现不公平优势或劣势的因素。

Azure 机器学习能够解释模型和量化数据的每个特性影响模型预测的程度。 此功能可帮助数据科学家和开发人员识别并减少模型中的偏见。

另一个示例是 Microsoft 通过人脸服务实现负责任的 AI，它停用了用于推断情绪状态和标识属性的人脸识别功能。 如果误用，这些功能可能会使用户受到成见、歧视或服务遭受不公平拒绝。

如需详细了解有关公平性的注意事项，请观看以下视频。

可靠和安全。

AI 系统应可靠且安全地运行。 例如，想象一个基于 AI 的自动驾驶软件系统，或是一个诊断患者症状并推荐处方的机器学习模型。 这些系统一旦出现不可靠性，就可能会给生命安全带来重大风险。

基于 AI 的软件应用程序开发必须经过严格的测试和部署管理，以在发布前确保它们能达到预期。

如需详细了解可靠性和安全性的注意事项，请观看以下视频。

隐私和安全

AI 系统应该保护并尊重隐私。 AI 系统所基于的机器学习模型依赖于大量数据，这些数据可能包含必须保密的个人详细信息。 即使在模型训练完成、系统投入生产后，也需要考虑隐私和安全性。 由于系统使用新数据进行预测或执行操作，因此数据和根据数据作出的决策都可能受到隐私或安全问题的约束。

如需详细了解隐私和安全的注意事项，请观看以下视频。

包容

AI 系统应该成为人们的有力助手，并与人互动。 AI 应不分身体能力、性别、性取向、种族或其他因素，造福社会各个阶层。

如需详细了解包容性的注意事项，请观看以下视频。

透明度

AI 系统应该是可理解的。 应让用户能充分了解系统的用途、工作方式以及局限性。

如需详细了解透明度的注意事项，请观看以下视频。

问责

应有相关人员对 AI 系统负责。 设计和开发基于 AI 的解决方案的人员应在管理和组织原则的框架内工作，以确保解决方案符合定义明确的道德和法律标准。

如需详细了解问责注意事项，请观看以下视频。

负责任的 AI 原则可以帮助你了解开发人员在尝试创建道德 AI 解决方案时面临的一些挑战。

其他资源

若要详细了解如何将负责任的 AI 原则应用到实践中，请参阅 https://www.microsoft.com/ai/responsible-ai-resources。

若要查看这些策略执行情况，可以阅读 Microsoft 用于构建负责任的 AI 系统的框架。

知识检查

已完成200 XP

• 2 分钟

你希望创建一个模型，用于根据包含每日冰淇淋销售总额和天气观测值的历史数据，预测冰淇淋的销售情况。 你应使用哪种 Azure 服务？

Azure 机器学习

正确。 利用 Azure 机器学习，你可以通过现有数据训练预测模型。

Azure AI 机器人服务

Azure AI 语言

你在一个野生动物保护区工作，正在考虑使用 AI 来识别图像中的鸟类物种。 应使用哪种 AI 服务来构建想法原型？

Azure AI 视觉

正确。 Azure AI 视觉可用于将图像添加到现有模型，从而改进图像标识符模型。 这是识别鸟类之间的细微差异的一种好方法。

Azure AI 搜索

Azure OpenAI

预测应用程序为视觉障碍用户提供音频输出。 这里反映负责任 AI 的哪一个原则？

透明度

包容性

正确。 包容性是关于 AI 应如何不分身体能力、性别、性取向、种族或其他因素，造福社会各个阶层。

公平性

总结

已完成100 XP

• 1 分钟

借助人工智能，可以创建功能强大的解决方案，以应对多种类型的问题。 AI 系统可以展现出人类特征，分析它们周围的世界，做出预测或推断，并以我们在不久以前只能想象的方式采取措施。

伴随这项强大功能而来的是责任。 作为 AI 解决方案开发人员，我们必须遵循一定的原则，确保让每个人都受益于 AI，而不对任何个人或社会特定人群造成不便。