Die Microsoft KI Plattform
Die Microsoft Ignite ist ja nun doch schon ein paar Wochen her und eines der Themen Vorort war, wie könnte es anders sein, die „Künstliche Intelligenz“ (KI). Deswegen möchte ich mit diesem Blogpost, kurz auf die „Microsoft Artificial Intelligence (AI) Platform“ hinweisen.
Microsoft hat bereits viele Tools und infrastrukturelle Dinge, die dafür eingesetzt werden können. Man braucht, glaube ich kein Experte auf dem Gebiet zu sein, um zu verstehen, dass Anforderungen an Lösungen, basierend auf AI, ganz neue Herausforderungen mit sich bringen. Solche Systeme sind sehr schwer aufzubauen. Man denke hier nur and die Infrastruktur, die Daten, die Intelligenz, die Funktionen usw. Als Kunde wünscht man sich hier in erste Linie wohl eine strategische Beratung für den Aufbau eines solchen Systems, das langlebig sein soll.
Kunden wünschen sich außerdem nicht immer neue Einzelanfertigungen, die nicht erweitert werden können. Daher versucht Microsoft, mit Hilfe einer soliden Plattform uns als Partner und/oder Entwickler für Kundenprojekte, zu unterstützen.
Man kann davon ausgehen, dass die Infrastruktur der AI Platform ohne Cloud wohl schwierig aufzubauen ist. Daher ist auch von MS hier natürlich der Weg in die Cloud, d.h. nach Azure vorprogrammiert bzw. schon vorhanden. Ich möchte nachfolgend auf eine ganz spezielle Folie des Vortrags Microsoft AI Platform von Joseph Sirosh und David Fullerton eingehen.
Die Plattform selbst teilt sich somit in drei große Bereiche, die allesamt cloud-gestützt sind:
- Services
- Infrastructure
- Tools
Services
Unter den Services drei weitere Bereiche, wie die Conversational AI, die als Ausprägung des Bot Frameworks verstanden werden kann. Außerdem gibt es sogenannte Trained Services. Damit sind die bereits vorhanden Cognitive Services (Vision, Face, usw.) gemeint und dann gibt es natürlich auch noch den Bereich der Custom Services (und hier werden sich viele Data Scientits wiederfinden), nämlich das Azure Machine Learning Service, die für eigene Zwecke und Lösungen verwendet werden kann.
Infrastructure
Der nächste große Bereich betrifft die Infrastruktur. Hier gibt es viele unterschiedliche Möglichkeiten Datenbanken zu nutzen. Dazu zählen Cosmos DB, SQL DB, SQL DW oder auch Data Lake. Natürlich ist es damit noch nicht getan, denn die Rechenleistung, die nötig ist um die Plattform zu betreiben, darf nicht außer Acht gelassen werden. Darunter versteht man dann z.B. Cluster wie Spark oder Data Science Virtual Machine (DSVM), Azure Batch AI, Azure IoT Edge usw. Damit die Performance richtig skaliert, ist es eben notwendig GPU und CPU Cluster zur Verfügung zu haben, noch dazu in der „Hochverfügbarkeitszeit“ in der wir heute leben.
Tools
Schauen wir aber noch zu den Tools, dem dritten großen Bereich der AI Plattform. Mittlerweile gibt es VS Tools für AI, genauer gesagt Visual Studio Code Tools for AI. Desweiteren gibt es das Azure Machine Learning (ML) Studio sowie die Azure ML Workbench. Die soeben aufgezählten Tools bezeichnet Microsoft auch als Coding bzw. Management Tools. Natürlich gibt es noch weitere, die von Drittherstellern kommen, man braucht sich da nur im Python Umfeld umsehen. Es gibt aber auch noch Deep Learning Frameworks, die notwendig sind um eigene AI Lösungen umsetzen zu können. Microsoft stellt hier das Cognitive Toolkit zur Verfügung. Dritthersteller gibt es natürlich auch, besipielsweise TensorFlow oder Caffe, uvm.
Damit möchte ich auch diesen Überblick beenden. Im Anschluss des Artikels finden sich ein paar interessante Links zu den hier genannten Bereichen dieser Plattform. Jeden, den es interessiert kann ich nur empfehlen da einen Blick oder auch zwei reinzuwerfen ?.
Linksammlung
https://www.microsoft.com/en-us/cognitive-toolkit/
https://visualstudio.microsoft.com/de/downloads/ai-tools-vs/
https://azure.microsoft.com/en-us/services/machine-learning-services/
