API Language e Vision nella pratica

La Computer Vision API (/vision/v3.2/analyze) analizza l'URL o il flusso binario di un'immagine e restituisce una ricca risposta JSON contenente gli oggetti rilevati, una descrizione della scena in linguaggio naturale, i colori dominanti e l'indicazione della presenza di contenuti per adulti. È possibile specificare le caratteristiche visive desiderate — Categories, Description, Objects, Tags, Faces, Color, Adult — per controllare ciò che l'API calcola e pagare solo per le funzionalità utilizzate.

La Read API (/vision/v3.2/read/analyze) è l'endpoint OCR consigliato per estrarre testo da immagini e PDF. A differenza del precedente endpoint /ocr, la Read API è asincrona: si invia l'immagine, si riceve un URL dell'operazione, si esegue il polling fino al completamento e infine si recupera il risultato. Supporta testo stampato e manoscritto in 164 lingue, conserva l'ordine di lettura dei blocchi di testo e gestisce meglio le immagini ruotate o a bassa risoluzione rispetto all'endpoint OCR sincrono.

L'endpoint Sentiment Analysis (/text/analytics/v3.1/sentiment) restituisce un'etichetta del sentiment (positive, negative, neutral o mixed) e un punteggio di attendibilità compreso tra 0 e 1 per ogni documento inviato. Fornisce anche l'opinion mining (analisi del sentiment basata sugli aspetti), che identifica gli aspetti specifici di un prodotto o servizio commentati da un recensore e il sentiment associato a ciascun aspetto; per esempio, può rilevare che una recensione di un ristorante è positiva riguardo al cibo ma negativa riguardo al servizio.

L'estrazione delle frasi chiave identifica i temi e i concetti principali presenti in un testo e li restituisce sotto forma di elenco di frasi. In un'e-mail dell'assistenza clienti potrebbe restituire frasi come ritardo nella consegna, conferma dell'ordine e richiesta di rimborso. Questa funzionalità è utile per assegnare automaticamente tag ai ticket di assistenza, riepilogare documenti per l'indicizzazione nella ricerca o stabilire la priorità dei contenuti in una knowledge base. L'API elabora fino a 1.000 documenti per richiesta e supporta più di 10 lingue.

Il riconoscimento delle entità denominate (NER) identifica e categorizza le occorrenze di entità nel testo, come Person, Organisation, Location, DateTime, Quantity, URL ed Email. La variante PII detection (informazioni personali identificabili) individua nello specifico dati sensibili come numeri di carte di credito, numeri di previdenza sociale e numeri di telefono e può oscurarli. Il rilevamento delle PII è utile per anonimizzare automaticamente i dati prima di archiviarli o elaborarli per l'analisi.

La Translator API (/translate) converte il testo tra più di 100 lingue con una singola chiamata REST. Si passa il testo di origine, si specificano uno o più codici delle lingue di destinazione e si riceve il testo tradotto insieme alla lingua di origine rilevata. L'API offre anche la traslitterazione (conversione della scrittura, ad esempio dall'arabo ai caratteri latini) e la ricerca nel dizionario per ottenere alternative di traduzione a livello di parola. Translator supporta l'elaborazione in batch di un massimo di 100 documenti per richiesta, risultando efficiente per la localizzazione di contenuti su larga scala.

Azure AI Custom Vision consente di addestrare un modello di classificazione delle immagini o di rilevamento degli oggetti usando le proprie immagini etichettate, senza scrivere codice ML. Nel portale Custom Vision si caricano le immagini, si applicano i tag e si fa clic su Train. Il servizio addestra un modello e restituisce metriche delle prestazioni (Precision, Recall, AP). È quindi possibile testare il modello con nuove immagini e pubblicarlo come endpoint di previsione. I modelli possono anche essere esportati nei formati ONNX o CoreML per l'inferenza sul dispositivo.

Conversational Language Understanding (CLU) è il successore di LUIS. Si definiscono le intenzioni (ciò che l'utente desidera, ad esempio BookFlight, GetWeather) e le entità (i dati da estrarre, come la città di destinazione o la data del viaggio), si forniscono espressioni di esempio per ogni intenzione, si addestra il modello e lo si distribuisce. Le applicazioni chiamano l'endpoint di previsione di CLU per classificare l'input dell'utente nell'intenzione corretta ed estrarre le entità. CLU alimenta il livello di comprensione degli assistenti virtuali e dei chatbot.

Le API di Azure AI Services restituiscono codici di stato HTTP standard. 400 Bad Request indica un input non valido (ad esempio un documento troppo lungo: Text Analytics supporta fino a 5.120 caratteri per documento). 401 Unauthorized indica una chiave API non valida o mancante. 429 Too Many Requests indica che è stata superata la quota del servizio: occorre implementare un exponential backoff con jitter e riprovare. In produzione, è consigliabile usare una risorsa dedicata (non il livello gratuito) e richiedere aumenti della quota tramite il portale Azure se è necessario un throughput maggiore.

Azure AI Services può essere integrato con Azure Logic Apps tramite connettori integrati, abilitando flussi di lavoro di IA senza codice. Ad esempio: quando arriva una nuova e-mail → estrarre gli allegati → chiamare la Read API di Computer Vision per eseguire l'OCR del testo degli allegati → chiamare Text Analytics per estrarre le frasi chiave → scrivere i risultati in un elenco SharePoint. Logic Apps include connettori per Cognitive Services (Language, Vision, Translator) che gestiscono l'autenticazione e le chiamate API senza dover scrivere il codice delle richieste REST.

Microsoft pubblica pacchetti Python ufficiali per ogni servizio di IA. Installi azure-ai-textanalytics per le API di Language oppure azure-cognitiveservices-vision-computervision per Vision. L'SDK gestisce automaticamente autenticazione, serializzazione e logica dei tentativi. Esegua l'autenticazione utilizzando un AzureKeyCredential o un DefaultAzureCredential (compatibile con le identità gestite). In codice destinato alla produzione è preferibile utilizzare l'SDK rispetto a richieste HTTP dirette, perché offre la sicurezza dei tipi e semplifica gli aggiornamenti quando cambiano le versioni delle API.

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

In questa lezione ha imparato che l'API Computer Vision analizza le immagini per individuare oggetti, produrre descrizioni ed estrarre testo tramite OCR (utilizzando l'API Read asincrona), che le API Text Analytics estraggono il sentiment, le frasi chiave e le informazioni personali identificabili (PII) dal testo e che l'API Translator converte il testo tra più di 100 lingue in una singola chiamata. Nella prossima lezione esploreremo Azure Machine Learning Studio per addestrare e distribuire modelli ML personalizzati.