Azure Cognitive Services 概念和定义

软件技术 云计算
1

Azure Cognitive Services（Azure 认知服务）是微软 Azure 云平台提供的一系列人工智能 (AI) 服务和 API。它们旨在让开发者和组织能够无需深厚的 AI 或机器学习专业知识，就能轻松地将智能功能集成到应用程序中。

简单来说，认知服务就像是一系列即用型的“AI 超能力”模块，你可以通过简单的 API 调用来使用它们，而不需要从头开始构建和训练复杂的 AI 模型。

核心理念：

  • AI for Everyone (AI 普惠)： 降低 AI 的使用门槛，让更多开发者和企业能够利用 AI 技术。
  • API 优先： 大部分功能通过 RESTful API 和 SDK 提供，易于集成到任何平台和应用程序。
  • 预训练模型： 大多数服务都基于微软预训练的强大 AI 模型，开箱即用。
  • 可定制化： 某些服务允许用户通过少量数据进行模型定制，以适应特定业务需求。

主要分类和服务：

Azure Cognitive Services 通常分为以下几个主要类别：

  1. 语言 (Language)：

    • Text Analytics (文本分析)： 情感分析、关键短语提取、语言检测、命名实体识别。
    • Language Understanding (LUIS)： 理解自然语言意图和实体，常用于构建聊天机器人。
    • Translator (翻译器)： 实时文本翻译。
    • Speech (语音服务)：
      • 语音转文本 (Speech-to-Text)： 将语音转换为文本。
      • 文本转语音 (Text-to-Speech)： 将文本转换为自然发音的语音（包括自定义语音）。
    • QnA Maker (问答对生成器)： 从现有文档和 URL 中创建智能问答知识库。
    • Azure OpenAI Service: 提供对 OpenAI 大语言模型的访问，如 GPT-3/GPT-4 系列，用于生成文本、代码、摘要等。

  2. 视觉 (Vision)：

    • Computer Vision (计算机视觉)： 图像分析（识别物体、场景、活动）、OCR（光学字符识别）、人脸检测和识别、图像生成描述。
    • Face (人脸服务)： 检测、识别、验证人脸，以及识别情绪和年龄。
    • Form Recognizer (窗体识别器 / Azure AI Document Intelligence)： 从文档、PDF 和图像中提取文本、键值对、表格和结构化数据。
    • Custom Vision (自定义视觉)： 训练自定义图像分类器或物体检测器。

  3. 决策 (Decision)：

    • Anomaly Detector (异常检测器)： 从时间序列数据中检测异常模式。
    • Content Moderator (内容审查器)： 自动检测文本、图像和视频中的潜在不当内容。
    • Personalizer (个性化服务)： 根据用户的行为和上下文，为他们提供个性化推荐。

  4. 语音 (Speech)：

    • 如上文语言类中提到的 Speech 服务，它是独立的，但通常与语言处理紧密结合。

  5. 搜索 (Search)：

    • Azure AI Search (前身为 Azure Cognitive Search)： 提供强大的全文搜索功能，支持自定义排名、筛选和分面搜索。虽然它有“认知”前缀，但它更侧重于搜索基础设施，可以与其它认知服务结合使用来增强搜索功能（如图像识别和文本分析）。

Azure OpenAI Service 的重要性：

Azure OpenAI Service 是一个重要的补充，它将 OpenAI 的强大模型（如 GPT-3/GPT-4、Codex、DALL-E）带到了 Azure 平台，提供了企业级的安全性、合规性和可扩展性。它极大地扩展了认知服务的功能范围，尤其是在生成式 AI 方面。

使用步骤概述：

  1. 创建认知服务资源：

    • 在 Azure 门户中，搜索“认知服务”或具体的服务名称（如“文本分析”）。
    • 创建一个新的认知服务资源。在创建过程中，你会选择一个区域和定价层。
    • 创建完成后，你将获得一个终结点 (Endpoint) 和访问密钥 (Keys)。这些是你在代码中调用服务时需要使用的凭据。

  2. 集成到应用程序：

    • 在你的应用程序代码中，使用你偏好的编程语言（C#、Python、Java、Node.js 等）和对应的 Azure SDK 或直接调用 RESTful API。
    • 在 API 请求中包含你的终结点和访问密钥。
    • 将待处理的数据（例如文本、图像、语音）发送到认知服务 API。
    • 接收并处理服务返回的 AI 结果。

示例：使用文本分析服务进行情感分析

假设你有一个客户评论的文本字符串，你想知道它的情感是积极、消极还是中性。

  1. 创建 Text Analytics 资源（或创建一个通用的 Cognitive Services 资源）。
  2. 在你的 Python 代码中，你可能会这样做：
    from azure.ai.textanalytics import TextAnalyticsClient
from azure.core.credentials import AzureKeyCredential

# 替换为你的终结点和密钥
endpoint = "YOUR_TEXT_ANALYTICS_ENDPOINT"
key = "YOUR_TEXT_ANALYTICS_KEY"

text_analytics_client = TextAnalyticsClient(endpoint=endpoint, credential=AzureKeyCredential(key))

documents = [
    "这家餐厅的食物很棒，服务也很好！",
    "我不是很满意这次购物体验。"
]

response = text_analytics_client.analyze_sentiment(documents=documents)

for doc in response:
    print(f"文档：{doc.text}")
    print(f"整体情感：{doc.sentiment}")
    print(f"情感分数：积极={doc.confidence_scores.positive:.2f}, 中性={doc.confidence_scores.neutral:.2f}, 消极={doc.confidence_scores.negative:.2f}")

总结：

Azure Cognitive Services 为开发者提供了一个快速、便捷的方式，将复杂的 AI 能力集成到各种应用程序中，从而实现智能搜索、自然语言理解、图像识别、语音交互等功能，大大加速了 AI 解决方案的开发和部署。它是 Azure AI 战略的关键组成部分。