使用 Azure 实用AI服务简化机器学习

采用机器学习而不需要数据科学家团队、大量的标记数据和大量的计算时间，这可能吗？现代最先进的人工智能已经达到这样的程度，它可以在相关领域提供足够通用的模型，用户可以不加额外的训练和定制就可以直接将模型放入应用程序中使用。

从亚当项目（Project Adam）到Azure 认知服务，微软在人工智能领域正在向这个方向演进。微软推出的Azure实用AI服务基于认知服务为不同场景下的人工智能任务需求提供了“开箱即用”的通用模型服务。我们已经通过 Power Automate 中 Power Platform文档自动化工具看到了其中的一些内容。用户无需建立昂贵的数据科学家团队和计算平台，也无需准备大量数据并对其标注。使用Azure实用AI服务用户可以在几天内建立使用AI解决方案，而不是几个月。通过采用为常见业务流程提供的场景化人工智能服务，用户可以快速获得价值。

Azure 实用AI服务，是Azure认知服务的一部分。它通过预先构建的业务逻辑将底层认知服务整合起来，为特定的机器学习操作提供功能完整、开箱即用API服务。而推出实用AI服务之前，这些基于场景的集成工作需要软件开发商或用户的开发人员完成。

第一批实用AI服务现已发布，包括 Azure 机器人服务、Azure 表单识别器、Azure 认知搜索、Azure 指标顾问、Azure 视频分析仪和 Azure 沉浸式阅读器。有些是熟悉的，有些是新的，有些更新现有的服务。所有这些模型也可以集成到 Azure 机器学习中，因此，如果您的开发团队中确实有数据科学家，他们可以添加额外的训练来改进模型以更准确地适应您的数据。这里我们介绍一个新的实用AI服务，指标顾问（Metrics Advisor）。

Azure指标顾问

所有业务都依赖于数据。许多企业使用时间系列数据来确定业务运营的各种指标。这些指标可能与业务流程有关，或者是来自机器或其他设备的数据流。机器学习工具可以处理这些数据，查找可以触发响应的异常，向正确的人提供警报或启动预防性维护计划。使用这种工具构建的应用程序可以让您利用多年来开发的技术来提供必要的警报，例如监控飞机引擎、监控冷链运输途中药品或检测代码中的Bug。很多有价值的场景。适当的告警可以节省数百万美元甚至拯救生命。

您可以将Azure指标顾问连接到许多不同的数据存储，它会自动为您的数据选择最合适的模型,这与 Azure 机器学习的“自动化机器学习”所使用的方法类似。您还可以通过调整敏感度参数来优化模型。最后，警报可以通过几个不同的渠道发送，包括电子邮件、web hook、Teams和 Azure DevOps。Metrics Advisor 提供的数据可用于故障分析，因为它可以将数据中的多个异常整理到诊断树中。此方法使用指标图（Metrics Graph）显示事件的所有数据，有助于提供异常警报的根因分析。

 

设置指标顾问

Microsoft 提供基于 Web 的门户，帮助配置服务，使用 Azure 订阅将指标顾问部署到资源组。您可以使用免费试用开始，由于服务处于预览阶段，截止到8月1日之前，它是免费的，最终定价尚未公布。设置服务可能需要一些时间，因此在使用新门户之前要做好等待的准备。

首先，连接到您的数据源。Microsoft 提供管理凭据的工具，以便您可以安全地与数据源进行交互，并将凭据排除在代码外。数据源有很多选项，包括非结构化和结构化存储，如 Azure SQL、Azure Blob 存储、CosmosDB 和MongoDB。专用时间系列源包括 Azure 日志分析、Azure 应用程序洞察和 Influx DB。

您需要正确格式化数据，每个条目必须有包含带有时间戳的数字类型的列。数据需要细化，间隔定义为连接设置的一部分，间隔最小可以到60秒。在大多数情况下，用不到那么小的间隔，实际场景中更有可能处理间隔为分钟、小时或天的顺序数据。数据可以包含多个列，每个列中有不同的指标和维度。例如，您可以查看发动机的温度、RPM、振动等，所有这些指标信息一起可以指示异常问题。

连接到位后，将数据加载到指标顾问中，并选择将要使用的字段。这将构建一个模式来测试您的数据。它将开始处理数据，并使用此首次摄入的数据来构建模型。您可以使用门户可视化结果并查看初始数据集中发现的模型异常。这些可用于调整配置、设置异常阈值以及调整异常检测器的灵敏度和边界。异常可能是超出边界的读数，也可以是数据模式的变化。也许平滑的数据突然变得粗糙，反之亦然，而仍然在正常操作的阈值之内。

发送警报并处理异常情况

指标顾问有多个提醒用户的方式。如果您不打算编写任何代码，您可以简单地向一组用户发送电子邮件。或者，也可以在门户之外管理分发列表或其他电子邮件组。如果您喜欢将警报构建到应用程序中，请在代码中设置 API，以便收听 web hook。然后，指标顾问将生成适当的 API 调用，并为您的应用程序触发外部警报。许多微软服务为web hook提供支持：例如，Power Automation无代码工作流工具和Teams都支持 web hook触发器。

一旦检测到异常，受信任的用户可以使用门户探索对异常的诊断见解。这些图表可以帮助进行根本原因分析，并允许有经验的用户快速确定需要做些什么来防止将来发生。

我们应该期待在未来几年看到更多这样的服务推出。机器学习并不容易，它需要大量的专业知识和大量的计算资源来获得价值。通过将机器学习包装为服务，Microsoft 旨在使其像连接到 API 一样简单。用户利用这样的技术能够了解客户正在做什么，并进行精准化运营，从而更加专注于关键业务。Azure 也将扩大这样的工具和服务的覆盖范围，让更多企业从机器学习中获益，而无需构建和训练自己的自定义模型。