从思考到创造 2020-05-20 21:37
扫码打开虎嗅APP
昨天，微软Build 2020首次在线上召开。大会第一天，发布了多个重磅新品，包括AI超级计算机、工业系统AI开发平台Bonsai项目等，我们从中可一窥微软的AI布局。
本文来自微信公众号：HyperAI超神经（ID：HyperAI），作者：神经星星，题图来自：IC photo
微软的Build 2020大会如期而至，这是有史以来第一在线上举办。
今年大会的重点，依然是云计算和人工智能。
微软CEO Satya Nadella 开幕致辞表示AI技术与云计算已被用于 COVID-19 这场危机中
本次大会上，微软重点介绍了工业系统AI开发平台 Project Bonsai。而这个项目实际上源于微软两年前的一次收购。
Project Bonsai原生家庭：Bonsai
Bonsai成立于2014年初，是位于加利福尼亚州伯克利的一家人工智能创业公司。
CEO马克·哈蒙德（Mark Hammond）在 1990 年代末至 2000 年代初曾在微软工作。
Bonsai团队拥有约42名员工
公司的主要业务便是将强化学习用在工业领域，用“机器教学”的方法，加速模型训练过程，从而解决工业中的自动化问题，主要应用于机器人、能源、工业和自动驾驶等领域。
2017年9月，Bonsai为编程工业控制系统建立了一个新的强化学习基准。通过使用机器人任务来展示这一成果，该平台成功地训练了一个模拟机器人手臂，通过将任务分解为更简单的子概念来掌握和堆叠积木。
他们的新技术比Google DeepMind的类似方法执行速度快45倍。
Bonsai使用分解任务的方法，提高了培训效率和灵活性
2018年6月，微软对外宣布收购 Bonsai，并称其打造了工业智能系统的“大脑”。
在Bonsai之前，微软已收购多个AI初创公司
虽然微软没有公布收购金额，不过据市场研究机构Crunchbase提供的数据显示，该公司过去已经累计融资 1360万美元，这些风投资金来自ABB技术风险投资公司、新企业联合公司、三星、西门子和以及微软自己的风险投资公司——M12。
通过这次收购，微软将Bonsai与Azure相结合，可以更好地将其产品推广到制造业、医疗保健和汽车等各种垂直行业，为后者构建强大的自主工业系统。
Project Bonsai：微软在工业场景的最大布局
收购完成后，Bonsai也就成为了此次Build 2020上发布的Project Bonsai，也成为微软在工业应用上的最大手布局。
Project Bonsai是用于构建自主工业控制系统的AI平台，也是一项“机器教学”服务，它结合机器学习、校准和优化功能，能够让制造、化工、建筑、能源和采矿等行业机械的核心控制系统自主化，以协助管理各类工业设备。
其中的应用场景包括，机器人手臂、推土机铲刀、叉车、地下钻机、救援车辆、风力发电场和太阳能发电厂等核心控制系统中的决策部署。
Project Bonsai的目的在于创建控制系统，采用了数字反馈回路和人类经验的组合，为行动和建议提供信息，使系统能够比人类操作者更快、更精确地完成校准等任务。
之前的工业控制系统，需要专业知识来进行开发和维护，对生产来说，会造成极大的不便，而Project Bonsai则将这个过程进行了简单化，即使没有AI背景，也可以将其应用在工作中。
Bonsai对人工智能的作用就像数据库对数据的作用一样，将人工智能的低复杂度抽象出来，为开发人员提供运行时环境和编写人工智能模型的工具。
Project Bonsai是如何炼成的
Project Bonsai开发平台，最主要的目的在于，在实际使用之前，提供作为自主机器的安全、可重复的试验场，协助工业应用的开发。
而在开发的思路上，是将机器教学、强化学习和数字模拟相结合而得来。
机器教学和模拟
为了模拟真实中会遇到的问题，Bonsai采用了“数字双胞胎”的模拟方法，它是指真实系统的虚拟化展现。
比如一个学习控制推土机的模型，在决定行动之前，会接收到模拟环境中的变量信息，如泥土的信息或附近行走的人的距离，然后再作出决策。
托管在Azure上的Project Bonsai，能复制系统可能遇到的数百万种不同的真实世界场景，包括传感器和组件故障等边缘情况。
开发者和其他领域的专业人士可以用Bonsai定制的编程语言，将自己的专业知识传授给AI，就像编写课件一样。
机器教学流程图
通过对这些关键知识的学习，Bonsai系统能更快地选出最好的强化学习模型，并在模拟环境中测试不同的操作，给出效果最优的解决方案，从而避免许多耗时的无效探索。
训练后，模型既以决策支持的身份进行部署，与现有的监控软件集成，提供建议和预测，也可以直接进行决策授权，这样，模型就可以开发出具有挑战性的情况下的解决方案。
同时，这些决策会随着时间的积累而改进，以获得最大的回报，专家人员可以对系统进行调整，从而得出一个可行的解决方案。
分层强化学习
另一项技术，称为分层强化学习，主旨是通过将工作负载分解成更简单的概念（或子概念），然后单独训练，然后再将其组合起来，从而解决问题。
该引擎会自动选择最佳的算法来训练模型，铺设神经网络并调整其参数。并且该平台可并行运行多个模拟，以减少训练时间，通过Bonsai提供的库将训练好的模型的预测结果流向软件或硬件。
为帮助开发者与工程师熟悉Project Bonsai的功能，微软还在本次大会中，首次推出了一个名为Project Moab的实验平台。
它是一个开源平衡机器人，具有三个手臂、一个操纵杆控制器，能够让一颗小球在顶部的透明板上保持平衡。该工具为用户提供了一个模拟环境，让用户借助模拟器进行实验。
从Bonsai看微软的AI布局
正如微软创立之初的愿景“让每个人都能从计算机中受益”一样，微软也希望每个人都能从人工智能中受益。
近年来，微软除了在人工智能技术和工具方面的投入外，还在人工智能工业级应用上加紧布局。
收购Bonsai就是其中一步。
微软也在AI竞争中取得了一席之地，从入门级ML平台，到工业系统的高级AI平台，微软拥有了全面的AI产品组合。
而微软在本次Build大会中指出，Bonsai项目仅仅是其帮助工业客户构建自治系统愿景的第一步。
参考资料：
本文来自微信公众号：HyperAI超神经（ID：HyperAI），作者：神经星星
07:13
04:43
04:07
14:05
10:09
04:59
25:27
06:21
12:03
13:28
