Navigation überspringen

Neuerungen der Azure-KI-Plattform und mehr KI-Funktionen für Entwickler

Veröffentlicht am 26 März, 2019

Group Product Manager, Azure AI

Der Trend geht immer mehr zu KI. Deshalb arbeiten wir stetig an der Verbesserung der Azure-KI, um Entwicklern und Data Scientists die direkt Bereitstellung, Verwaltung und Sicherung von KI-Funktionen in ihren Anwendungen zu erleichtern. Dabei konzentrieren wir uns vor allem auf die folgenden Lösungsbereiche:

  1. Einsatz von Machine Learning zum Erstellen und Trainieren prädiktiver Modelle, die die Produktivität eines Unternehmens erhöhen – dank Azure Machine Learning.
  2. Implementieren KI-gestützter Suchfunktionen und Indizieren von Technologien, die Informationen schnell beschaffen und daraus Erkenntnisse gewinnen können – dank Azure Search.
  3. Erstellen von Anwendungen, in die vorkonfigurierte und benutzerdefinierte KI-Funktionen wie maschinelles Sehen, Spracherkennung, Übersetzung und Wissen integriert sind, um eine bessere und personalisiertere Servicequalität zu gewährleisten – dank Azure Cognitive Services und dem Azure Bot Service.

Ich freue mich, heute mehrere Neuerungen bei Azure Cognitive Services bekanntgeben zu können. Azure ist weiterhin das beste Angebot zum Erstellen von KI. Wir veröffentlichen eine Vorschauversion des neuen Anomalieerkennungsdiensts, der Probleme KI-gestützt erkennt, damit Unternehmen Verluste und Auswirkungen auf Kunden reduzieren können. Außerdem kündigen wir heute die allgemeine Verfügbarkeit von Custom Vision an, um Objekte auf Bildern noch besser erkennen zu können. 

Egal, ob Spracherkennung, Übersetzung, Sprachsynthese oder Bild- und Objekterkennung – mit Azure Cognitive Services können Entwickler ihren Anwendungen für jedes Szenario intelligente Funktionen hinzufügen. Momentan nutzen mehr als eine Million Entwickler Cognitive Services, um die Servicequalität ihrer Anwendungen stark zu verbessern.

Anomalieerkennung als KI-Dienst

Die Anomalieerkennung ist ein neues Cognitive Services-Angebot, mit dem Sie ungewöhnliche Muster oder seltene Ereignisse in Ihren Daten ermitteln können. Dadurch können Sie z.B. Probleme wie Kreditkartenbetrug identifizieren.

Momentan nutzen mehr als 200 Teams in Azure und anderen wichtigen Microsoft-Produkten die Anomalieerkennung, um die Zuverlässigkeit Ihrer Systeme durch das Erkennen von Unregelmäßigkeiten in Echtzeit zu erhöhen und die Problembehandlung zu beschleunigen. Entwickler können die Anomalieerkennung über eine einzige API problemlos in ihre Anwendungen einbetten, um eine hohe Genauigkeit ihrer Daten zu gewährleisten und Vorfälle direkt bei deren Auftreten zu ermitteln.

Zu häufigen Anwendungsfällen zählen u.a. das Erkennen von Unternehmensvorfällen und Textfehlern, das Überwachen des Datenverkehrs von IoT-Geräten, das Erkennen von Betrugsversuchen und das Reagieren auf dynamische Märkte. Inhaltsanbieter können die Anomalieerkennung z.B. dazu verwenden, Daten zur Videoleistung einer KPI eines Kunden automatisch zu überprüfen, um Probleme umgehend zu erkennen. Anbieter von Videostreamingplattformen können die Anomalieerkennung z.B. für Millionen von Videodatasets verwenden, um Metriken zu erfassen. Wenn ein Video eine Sekunde lang nicht richtig abgespielt wird, kann das zu starken Verlusten beim Umsatz führen, wenn ein Inhaltsanbieter Monetarisierung auf seiner Plattform einsetzt.

Custom Vision: automatisiertes Machine Learning für Bilder

Mit der allgemeinen Verfügbarkeit von Custom Vision können Organisationen ihre Geschäftsvorgänge schnell und präzise durch das Erkennen von Objekten auf Bildern transformieren.

Mit dem KI-gestützten Custom Vision-Dienst können Entwickler benutzerdefinierte Bildklassifizierungen mühelos und schnell erstellen, bereitstellen und optimieren, um Inhalte eines Bildes schnell erkennen zu können. Entwickler können ihre eigenen Klassifizierungen so trainieren, dass diese die Elemente erkennen, die in bestimmten Szenarios relevant sind, oder diese benutzerdefinierten Klassifizierungen exportieren, um sie offline oder unter iOS (in CoreML), Android (in TensorFlow) und auf vielen anderen Geräten am Edge in Echtzeit auszuführen. Die exportierten Modelle sind für die Einschränkungen mobiler Geräte optimiert und gewährleisten so einen hohen Durchsatz sowie eine hohe Genauigkeit.

Custom Vision kann ab heute für unterschiedlichste Unternehmensszenarios eingesetzt werden. Minsur betreiben in Peru die größte Zinnmine in der westlichen Hemisphäre. Sie setzen Custom Vision ein, um einen nachhaltigen Abbau zu gewährleisten. Das Wasser, das bei der Mineralgewinnung eingesetzt wird, wird aufbereitet, damit es in der Landwirtschaft und Viehhaltung wiederverwendet werden kann. Zu diesem Zweck wird die Schaumbildung bei der Aufbereitung überwacht. Sie setzen eine Kombination aus Custom Vision und Azure-Videoanalysen ein, die einen aufwendigen manuellen Prozess ersetzen. Dadurch können sich die Angestellten auf andere Aufgaben konzentrieren.

Screenshot: Custom Vision-Plattform

Screenshot der Custom Vision-Plattform, auf der Sie das Modell trainieren können, sodass es einzigartige Objekte auf einem Bild wie das Logo einer Marke erkennen kann.

Heute werden die folgenden Neuerungen von Custom Vision veröffentlicht:

  • Modelle von hoher Qualität: Custom Vision umfasst fortgeschrittene Trainingsmethoden mit einem neuen Machine Learning-Back-End für optimierte Leistung, die sich besonders für komplexe Datasets und detaillierte Klassifizierungen eignen. Beim erweiterten Training können Sie ein Budget für die Computezeit angeben, und Custom Vision führt eine experimentelle Ermittlung durch, um die optimalen Einstellungen für Training und Erweiterung zu bestimmen.
  • Vereinfachte Iteration: Mit Custom Vision können Entwickler Funktionen zum maschinellen Sehen mit 3.0-REST-APIs und SDKs in ihre Anwendungen integrieren. Die gesamte Pipeline ist dafür konzipiert, die iterative Verbesserung von Modellen zu unterstützen. Sie können ein Modell in kürzester Zeit trainieren, einen Prototyp unter echten Bedingungen testen und die entstehenden Daten dazu verwenden, das Modell zu verbessern. So erreichen Modelle schneller Produktionsqualität.
  • In der Cloud trainieren, überall ausführen: Die exportierten Modelle sind für die Einschränkungen mobiler Geräte optimiert und gewährleisten so einen hohen Durchsatz sowie eine hohe Genauigkeit. Jetzt können Sie auch Klassifizierungen exportieren, um Azure Resource Manager für Raspberry Pi 3 und das Vision AI DevKit zu unterstützen.

Weitere Informationen finden Sie unter Custom Vision Service: Anmerkungen zu dieser Version.

Jetzt einsteigen

Die heute erreichten Meilensteine untermauern unsere Zusage, mit der Azure-KI-Plattform für jedes Szenario das passende Angebot bereitzustellen. Wir bieten Tools auf Unternehmensniveau, die die Anwendungsentwicklung erleichtern, sowie marktführende Sicherheits- und Complianceoptionen für den Schutz von Kundendaten.

Wenn Sie weitere Informationen zum Erstellen von intelligenten Apps mit Funktionen zum maschinellen Sehen und Suchen erhalten möchten, besuchen Sie die Cognitive Services-Website.