Visão Geral dos Serviços Cognitivos do Azure

O Azure AI Services (anteriormente Azure Cognitive Services) é uma família de APIs de IA pré-criadas que permite aos desenvolvedores adicionar recursos inteligentes às aplicações sem treinar modelos de aprendizado de máquina do zero. O portfólio abrange quatro domínios: Vision (analisar imagens e vídeos), Language (compreender e gerar texto), Speech (converter áudio em texto e vice-versa) e Decision (personalizar conteúdo e detectar anomalias). Todos podem ser acessados por meio de APIs REST, SDKs ou do portal do Azure.

O senhor pode provisionar Azure AI Services de duas formas. Um recurso de vários serviços (chamado de Azure AI Services no portal) fornece acesso à maioria das APIs por meio de um único ponto de extremidade e uma única chave de API — uma opção conveniente para desenvolvimento e experimentação. Um recurso de serviço único (por exemplo, Computer Vision ou Text Analytics) fornece acesso a apenas uma API, com faturamento dedicado e limites de cota por serviço. Em produção, os recursos de serviço único costumam ser preferidos para controlar os gastos e aplicar políticas de segurança específicas do serviço.

A categoria Azure AI Vision inclui várias APIs. O Computer Vision analisa imagens em busca de objetos, descrições de cenas, texto (OCR) e conteúdo adulto. O Custom Vision permite treinar seu próprio modelo de classificação de imagens ou detecção de objetos com apenas algumas dezenas de imagens rotuladas. A Face API detecta rostos e emoções (com controles de acesso para uso responsável). O Azure AI Video Indexer extrai informações de arquivos de vídeo, incluindo reconhecimento de locutores, transcrição e detecção de cenas.

A categoria Azure AI Language fornece recursos de análise de texto. O Text Analytics oferece análise de sentimentos, extração de frases-chave, reconhecimento de entidades nomeadas (NER) e detecção de idioma. O Azure AI Translator traduz textos entre mais de 100 idiomas com uma única chamada de API. O Azure AI Language Understanding (CLU) classifica as intenções dos usuários a partir de linguagem natural para a criação de aplicações conversacionais. O Azure AI Question Answering cria uma base de conhecimento a partir de perguntas frequentes e documentos para responder a perguntas em linguagem natural.

A categoria Azure AI Speech conecta áudio e texto. O recurso Speech to Text (STT) transcreve áudio falado em tempo real ou em modo de lote, oferecendo suporte a mais de 100 idiomas e a modelos acústicos personalizados para terminologia específica de cada área. O recurso Text to Speech (TTS) converte texto em áudio com som natural usando vozes neurais em mais de 140 idiomas. O Speaker Recognition identifica ou verifica pessoas pela voz. O Speech Translation combina STT com o Translator para fornecer tradução de fala para fala em tempo real.

A categoria Decision inclui serviços de personalização e detecção de anomalias. O Azure AI Anomaly Detector analisa dados de séries temporais (por exemplo, métricas de servidores e números de vendas) e identifica anomalias automaticamente, sem exigir um conjunto de dados de treinamento rotulado — ele aprende os padrões normais a partir de dados históricos. O Azure AI Personalizer (agora parte do Content Safety em algumas exibições) usa aprendizado por reforço para selecionar o melhor item de conteúdo a ser mostrado a um usuário com base em características contextuais. Ambos são úteis em cenários operacionais e de inteligência de negócios.

Todas as APIs de Azure AI Services seguem o mesmo padrão: obtenha a URL do ponto de extremidade e uma chave de API (ou use uma identidade gerenciada) do seu recurso e, em seguida, envie uma solicitação HTTP POST com a carga e o cabeçalho de autenticação. A API retorna uma resposta JSON com os resultados. A Microsoft fornece SDKs de cliente para .NET, Python, JavaScript, Java e Go, que encapsulam as chamadas REST com objetos tipados e lógica de novas tentativas, tornando a integração simples sem exigir o tratamento manual de HTTP.

A Microsoft desenvolve Azure AI Services com base em seis princípios de IA responsável: Justiça (a IA não deve discriminar), Confiabilidade e segurança (a IA deve funcionar conforme o esperado), Privacidade e segurança (os dados devem ser protegidos), Inclusão (a IA deve capacitar todas as pessoas), Transparência (a IA deve ser compreensível) e Responsabilização (os seres humanos devem ser responsáveis pelas decisões da IA). Alguns recursos, como as funcionalidades de identificação da Face API, exigem uma solicitação formal à Microsoft antes que o acesso seja concedido.

Azure AI Services segue um modelo de pagamento conforme o uso: o pagamento é feito por chamada de API, por imagem analisada, por caractere traduzido ou por minuto de áudio transcrito. Cada serviço e cada camada têm sua própria unidade de preço. A maioria dos serviços oferece uma camada gratuita (F0), com cotas limitadas de chamadas (por exemplo, 5.000 chamadas por mês para Text Analytics), permitindo experimentar sem custos. A camada Standard (S0) oferece cotas maiores e é adequada para produção. Os custos aumentam linearmente conforme o uso — não há compromissos mensais fixos.

Os recursos de Azure AI Services devem ser protegidos além da autenticação padrão por chave de API. As práticas recomendadas incluem: armazenar as chaves de API no Azure Key Vault, em vez de colocá-las no código; usar uma identidade gerenciada para acessar o recurso sem nenhuma chave; restringir o acesso à rede usando pontos de extremidade privados, para que o recurso só possa ser acessado a partir da sua VNet; e habilitar o registro de diagnóstico para auditar todas as chamadas de API para fins de conformidade. As chaves de API devem ser alternadas regularmente — cada recurso tem duas chaves para permitir a alternância sem tempo de inatividade.

Muitos serviços de Azure AI Services podem ser implantados como contêineres Docker em cenários que exigem residência de dados (o processamento permanece no local ou em uma região específica) ou em ambientes desconectados. O senhor baixa a imagem do contêiner do Microsoft Container Registry, executa-a com a chave de API e a configuração do ponto de extremidade e chama a API REST do serviço em localhost. O contêiner se comunica com o Azure para fins de faturamento — todo o uso continua sendo rastreado e cobrado por meio da sua assinatura do Azure, mas o processamento de IA ocorre localmente.

Teste sua compreensão dos conceitos do Microsoft Azure Fundamentals (AZ-900) apresentados nesta lição.

Nesta lição, o senhor aprendeu que Azure AI Services fornece recursos de IA pré-criados nos domínios de Vision, Language, Speech e Decision, acessíveis por meio de APIs REST; que um recurso de vários serviços simplifica o acesso com um único ponto de extremidade e uma única chave; e que todos os serviços devem ser protegidos com Key Vault e identidade gerenciada e podem ser implantados como contêineres para atender a requisitos de residência de dados. A seguir, exploraremos na prática como chamar as APIs de Language e Vision.