Panoramica di Azure Cognitive Services

Azure AI Services (in precedenza Azure Cognitive Services) è una famiglia di API di intelligenza artificiale predefinite che consente agli sviluppatori di aggiungere funzionalità intelligenti alle applicazioni senza addestrare modelli di machine learning da zero. L'offerta copre quattro ambiti: Vision (analizzare immagini e video), Language (comprendere e generare testo), Speech (convertire audio e testo) e Decision (personalizzare i contenuti e rilevare anomalie). Tutti i servizi sono accessibili tramite API REST, SDK o il portale Azure.

È possibile effettuare il provisioning di Azure AI Services in due modi. Una risorsa multi-servizio (denominata Azure AI Services nel portale) consente di accedere alla maggior parte delle API tramite un singolo endpoint e una chiave API, risultando comoda per lo sviluppo e la sperimentazione. Una risorsa a servizio singolo (ad esempio Computer Vision o Text Analytics) consente di accedere a una sola API, con fatturazione dedicata e limiti di quota specifici per il servizio. In produzione, spesso si preferiscono le risorse a servizio singolo per controllare la spesa e applicare criteri di sicurezza specifici per il servizio.

La categoria Azure AI Vision include diverse API. Computer Vision analizza le immagini per rilevare oggetti, descrivere scene, estrarre testo (OCR) e individuare contenuti per adulti. Custom Vision consente di addestrare il proprio modello di classificazione delle immagini o di rilevamento degli oggetti utilizzando solo alcune decine di immagini etichettate. Face API rileva i volti e le emozioni, con controlli per un utilizzo responsabile. Azure AI Video Indexer estrae informazioni dai file video, tra cui il riconoscimento degli interlocutori, la trascrizione e il rilevamento delle scene.

La categoria Azure AI Language offre funzionalità di analisi del testo. Text Analytics fornisce l'analisi del sentiment, l'estrazione delle frasi chiave, il riconoscimento delle entità denominate (NER) e il rilevamento della lingua. Azure AI Translator traduce il testo tra più di 100 lingue con una singola chiamata API. Azure AI Language Understanding (CLU) classifica le intenzioni degli utenti a partire dal linguaggio naturale per creare applicazioni conversazionali. Azure AI Question Answering crea una knowledge base a partire da domande frequenti e documenti, per rispondere a domande in linguaggio naturale.

La categoria Azure AI Speech collega audio e testo. Speech to Text (STT) trascrive l'audio parlato in tempo reale o in modalità batch, supportando più di 100 lingue e modelli acustici personalizzati per la terminologia specifica di un dominio. Text to Speech (TTS) converte il testo in audio naturale utilizzando voci neurali in più di 140 lingue. Speaker Recognition identifica o verifica le persone in base alla loro voce. Speech Translation combina STT con Translator per fornire la traduzione vocale in tempo reale.

La categoria Decision include servizi per la personalizzazione e il rilevamento delle anomalie. Azure AI Anomaly Detector analizza dati di serie temporali (ad esempio metriche dei server e dati sulle vendite) e identifica automaticamente le anomalie senza richiedere un dataset di addestramento etichettato: apprende i comportamenti normali dai dati storici. Azure AI Personalizer (ora parte di Content Safety in alcune visualizzazioni) usa il reinforcement learning per selezionare il contenuto migliore da mostrare a un utente in base a caratteristiche contestuali. Entrambi i servizi sono utili negli scenari operativi e di business intelligence.

Tutte le API di Azure AI Services seguono lo stesso schema: ottenere dal recurso l'URL dell'endpoint e una chiave API (oppure usare un'identità gestita), quindi inviare una richiesta HTTP POST con il payload e l'intestazione di autenticazione. L'API restituisce una risposta JSON contenente i risultati. Microsoft mette a disposizione SDK client per .NET, Python, JavaScript, Java e Go, che incapsulano le chiamate REST con oggetti tipizzati e logica di retry, semplificando l'integrazione senza dover gestire manualmente le richieste HTTP.

Microsoft sviluppa Azure AI Services basandosi su sei principi di intelligenza artificiale responsabile: Equità (l'IA non deve discriminare), Affidabilità e sicurezza (l'IA deve funzionare come previsto), Privacy e sicurezza (i dati devono essere protetti), Inclusività (l'IA deve mettere tutti nelle condizioni di partecipare), Trasparenza (l'IA deve essere comprensibile) e Responsabilità (le persone devono essere responsabili delle decisioni dell'IA). Alcune funzionalità, come quelle di identificazione di Face API, richiedono una richiesta formale a Microsoft prima che venga concesso l'accesso.

Azure AI Services utilizza un modello a consumo: si paga per chiamata API, per immagine analizzata, per carattere tradotto o per minuto di audio trascritto. Ogni servizio e ogni livello hanno una propria unità di tariffazione. Per la maggior parte dei servizi è disponibile un livello gratuito (F0) con quote di chiamate limitate (ad esempio 5.000 chiamate al mese per Text Analytics), che consente di sperimentare senza costi. Il livello Standard (S0) offre quote più elevate ed è adatto alla produzione. I costi aumentano linearmente in base all'utilizzo: non sono previsti impegni mensili fissi.

Le risorse di AI Services devono essere protette oltre l'autenticazione predefinita tramite chiave API. Le procedure consigliate includono: archiviare le chiavi API in Azure Key Vault anziché nel codice, usare una identità gestita per accedere alla risorsa senza alcuna chiave, limitare l'accesso di rete usando endpoint privati in modo che la risorsa sia raggiungibile solo dalla propria VNet e abilitare la registrazione diagnostica per controllare tutte le chiamate API ai fini della conformità. Le chiavi API devono essere ruotate regolarmente: ogni risorsa dispone di due chiavi per consentire la rotazione senza interruzioni del servizio.

Molti servizi di Azure AI possono essere distribuiti come container Docker negli scenari che richiedono la residenza dei dati (l'elaborazione rimane in locale o in una regione specifica) o in ambienti disconnessi. Si esegue il pull dell'immagine del container dal Microsoft Container Registry, si avvia il container con la chiave API e la configurazione dell'endpoint e si chiama l'API REST del servizio all'indirizzo localhost. Il container comunica con Azure per la fatturazione: tutto l'utilizzo continua a essere tracciato e addebitato tramite la sottoscrizione Azure, ma l'elaborazione dell'IA avviene localmente.

Verifichi la propria comprensione dei concetti di Microsoft Azure Fundamentals (AZ-900) presentati in questa lezione.

In questa lezione ha appreso che Azure AI Services offre funzionalità di IA predefinite nei domini Vision, Language, Speech e Decision, accessibili tramite API REST; una risorsa multi-servizio semplifica l'accesso con un singolo endpoint e una singola chiave; tutti i servizi devono essere protetti con Key Vault e un'identità gestita e possono essere distribuiti come container per soddisfare i requisiti di residenza dei dati. Nella prossima lezione vedremo come chiamare concretamente le API Language e Vision.