微软AI Lab：助你从零开始成为AI开发者

在今年的Build大会上，微软推出了人工智能开放项目平台——AI Lab，旨在帮助规模庞大且正在快速增长的开发者队伍来探索、学习和使用微软AI平台的最新技术，探索自己的第一个人工智能项目。

AI Lab目前开放了五个人工智能项目，展示了微软自定义视觉服务（Custom Vision Service）、AttnGAN、Visual Studio Tools for AI、Cognitive Search、机器阅读理解等最新技术的使用。在每个项目中，开发人员都可以访问GitHub上的开源代码，尝试Demo演示，还可以观看清晰的介绍视频，从而获得对人工智能潜在的商业问题和解决方案的深入理解。

绘画机器人（DrawingBot）是由微软研究院人工智能实验室的研究人员开发的，能根据文本信息绘制出相应图像的模型。DrawingBot的核心技术是GAN网络（Generative Adversarial Network），其中包含两个机器学习模型，一个模型根据文本描述生成图像，另一个模型用文本描述去鉴别生成图像的真实性。如果生成的图像和文字描述相差甚远，就无法通过鉴别模型的检测，因此GAN网络通过两个模型的合作，能够使生成的图像越来越接近本文所描述的内容。然而，GAN网络对“一只蓝色的鸟”、“一棵常青树”这样比较简单的文字描述能生成效果较好的图像，而对于“一只绿冠红腹、黄色翅膀的鸟”这样复杂的描述，生成的图像还不那么尽如人意。

想象一下，如果让我们来根据一段描述画一幅画，我们会怎么做？通常来说，我们会在这个过程中不断地参考文本描述，尤其是正在绘制的区域所对应的那部分文字。基于这个启发，研究人员将GAN网络改进为AttnGAN网络（attentional GAN），用数学表达来模拟人类的这种注意力特征，将输入的文本分解为单个的单词，将单个单词与待生成图像的特定区域相匹配。根据CVPR上的一篇研究论文的测试结果，这种方法使生成图像的质量提高了近三倍。

项目链接：https://www.ailab.microsoft.com/experiments/1e9e1eef-2ab1-41f1-b341-0118f414bd78

为了帮助用户更好地了解美国总统肯尼迪被暗杀的整个事件，微软的研究人员利用Azure搜索服务和微软认知服务开发了一个应用程序，能够自动分析与暗杀有关的所有解密文件，并将原始文档整理成结构化的信息。

JFK文件演示背后的核心技术是Cognitive Search，这是微软在Build大会上发布的一项基于AI的内容理解技术，由内置认知服务功能的Azure搜索提供支持，能从任何内容资源中提取数据，并运用可组合的认知功能从数据中提取需要的知识。这些知识将被整理和存储在索引中，优化搜索数据的体验。Cognitive Search能方便快捷地利用云和AI的强大力量处理数据，当我们第一次将它应用于JFK文件演示系统时，效果令人惊叹，我们提出的许多有趣的问题不仅可以获得回答，还可以在原始文件中看到答案和问题之间的关系。JFK文件演示系统能使我们的客户轻松将其应用到自己的领域、回答他们所需要的问题。

项目链接：https://www.ailab.microsoft.com/experiments/7d6b0652-51dc-440d-a12a-481f28525143

风格迁移(Style Transfer)是一种对图片风格进行转换的技术，能从一张图片中提取出风格并应用到另一张图片中，也就是我们常见的“滤镜”功能。这个项目展示了如何训练和部署深度学习模型，开发一个简单有趣的风格迁移应用。

风格迁移项目使用Visual Studio Tools for AI来训练和部署深度学习模型。Visual Studio Tools for AI能让开发者在本地开发机器上轻松部署Keras + Tensorflow模型的训练代码，然后上传到Azure VM上，利用强大的Nvidia GPU来训练模型，大大提高工作效率。我们在提高模型训练速度的同时，在生成图像中保留了与原始图像的语义相似性。此外，Visual Studio Tools for AI还能直接从训练好的TensorFlow模型生成C＃代码，无需再手动重新编写。使用全新的Microsoft.ML.Scoring库，开发者可以便捷地在应用中使用TensorFlow或ONNX模型，在设备端或者云端运行。

风格迁移只是采用训练机器学习模型方法的应用之一，在应用中使用机器学习技术的过程本质上是相同的。开发者可以使用Tensorflow或CNTK等框架自行训练模型，也可以使用Azure认知服务等预先训练的AI模型。

项目链接：https://www.ailab.microsoft.com/experiments/99907c05-d487-450b-9ee9-901b40205e81

机器阅读理解（MRC）是让计算机根据给定的上下文来回答问题，需要对上下文和问题之间的复杂交互进行建模。微软的研究人员采用新的神经网络ReasoNet（Reasoning Network）来模仿人类阅读时的推理过程：ReasoNets会带着问题反复阅读文档，每次关注文档的不同部分，直到给出令人满意的答案。

同时，微软亚洲研究院的研究人员也提出一种独特的R-NET算法，使机器阅读理解能力在SQUAD数据集上超越了人类平均水平。R-NET是一个端到端的深度学习模型。模型分为四层，最下面一层给问题和文本中的每一个词做一个表示，即深度学习里的向量；第二步，将问题中的向量和文本中的向量做一个比对，找出与问题接近的文字部分。接下来，将结果放在全局中进行比对。这些都是通过注意力机制（attention）达到的。最后一步，针对挑出的答案候选区中的每一个词汇进行预测，哪一个词是答案的开始，到哪个词是答案的结束。这样，系统会挑出可能性最高的一段文本，最后将答案输出出来。

当我们将这些机器阅读理解算法用于由沈向洋和Brad Smith撰写的《未来计算：人工智能及社会角色》一书时，机器阅读理解回答了大量有趣的问题。机器阅读理解技术能够应用于企业级数据处理，帮助客户回答特定领域的问题。

项目链接：https://www.ailab.microsoft.com/experiments/ef90706b-e822-4686-bbc4-94fd0bca5fc5

Drones + AirSim是一项有趣的模拟“搜索与拯救”的任务。我们先在AirSim中创建了一个3D环境来模拟微软园区中的足球场，将各种动物放置在球场中；创建了一个Python脚本模拟无人机，它可以在球场中自由拍摄照片。然后我们将无人机拍摄的图像上传至Azure自定义视觉（Custom Vision）服务，训练模型来识别图像中的动物，利用Azure IoT Edge将训练好的模型部署到无人机上。于是，无人机能够在足球场中飞行、拍照，并实时识别出画面中的动物。这一项目能够让用户了解实时自定义的AI如何在无人机这样的边缘设备上运行。

项目链接：https://www.ailab.microsoft.com/experiments/92262b36-de2e-444e-86ca-8bcb8bd02454