如何評價微軟在Build 2015上發布的Project Oxford?


1. 將微軟研究院在人工智慧領域多年的積累,作為易用的服務開放出來,使這些研究成果能帶來更切實的價值和廣泛的影響,也有助於聚集Azure和微軟開發者生態的人氣;對於廣大開發者,尤其是小團隊甚至個人開發者而言,又多了個提升自己應用和服務「智能性」的選擇,甚至很有能將會是個非常靠譜的選擇,這總是令人興奮的事。

2. 人臉、OCR等視覺的API,語音識別與合成的API,這些其實都有一些大大小小的公司在做了,談不上有太多新鮮感,但是微軟出品的質量應該還是有保障。簡單地在語言識別與合成的在線demo上試了試中文,基本上維持了cortana的表現水準,國內在這個領域有業務的公司應該還是會有些壓力吧。

3. 很值得一提的是名為LUIS的語言理解服務,為開發者提供了非常直觀便捷、易於定製的語義分析服務,從定義模型、添加樣本,到訓練和主動學習,到部署API,簡直行雲流水般順暢。目前這個服務還沒有完全開放測試,需要申請邀請。我嘗試提交申請後幾個小時內就收到邀請確認,實際測試了一下,基本上和build上demo的體驗一致,只不過目前似乎不支持中文的語義分析。雖然短時間內很難判斷背後的技術到底達到什麼高度、實際用在產品里有怎樣的效率、存在哪些瓶頸,但是至少在服務形式的友好性上,令人欣喜!


微軟的語音技術確實很贊。微軟小娜的聲音完全KO了Siri,訊飛等語音助手。


Project oxford 這個主意很好,拉近了微軟的技術和用戶,開發者的距離


Project Oxford使用了安圭拉島的.ai頂級域名,可以看得出這是微軟在人工智慧領域的一次試探。

  • 從Demo上看,效果沒有特別驚艷,但是已經足夠使用。
  • SDK支持的系統還是太少啊。


離造福全人類還差那麼一點


推薦閱讀:

factorization machine和logistic regression的區別?
為什麼工業界喜歡用LR模型?
打劫對於AlphaGo來說,真的增加了難度嗎(周志華的觀點正確嗎)?
對於PCA或者SVD在降維來說,是去去除了相似性高的列?還是去掉信息量少的列?
Logistic回歸的檢驗方法有哪些?R中有比較完備的處理logit回歸的包嗎?

TAG:人臉識別 | 機器學習 | 如何看待評價X | Build2015 |