Översikt över Azure Cognitive Services

Azure AI Services (tidigare Azure Cognitive Services) är en samling färdigbyggda AI-API:er som låter utvecklare lägga till intelligenta funktioner i program utan att träna maskininlärningsmodeller från grunden. Portföljen omfattar fyra områden: Vision (analysera bilder och video), Language (förstå och generera text), Speech (konvertera mellan ljud och text) och Decision (personanpassa innehåll och upptäcka avvikelser). Alla är tillgängliga via REST-API:er, SDK:er eller Azure-portalen.

Ni kan etablera AI Services på två sätt. En resurs med flera tjänster (kallad Azure AI Services i portalen) ger åtkomst till de flesta API:er via en enda slutpunkt och API-nyckel – praktiskt vid utveckling och experimentering. En resurs med en enda tjänst (till exempel Computer Vision eller Text Analytics) ger endast åtkomst till ett API, med separat fakturering och kvotgränser per tjänst. För produktion föredrar man ofta resurser med en enda tjänst för att kunna kontrollera kostnaderna och tillämpa säkerhetsprinciper som är specifika för tjänsten.

Kategorin Azure AI Vision omfattar flera API:er. Computer Vision analyserar bilder efter objekt, scenbeskrivningar, text (OCR) och vuxeninnehåll. Med Custom Vision kan ni träna en egen modell för bildklassificering eller objektdetektering med bara några tiotal märkta bilder. Face API identifierar ansikten och känslor (med åtkomstkontroller för ansvarsfull användning). Azure AI Video Indexer extraherar insikter från videofiler, bland annat talaridentifiering, transkribering och scenidentifiering.

Kategorin Azure AI Language tillhandahåller funktioner för textanalys. Text Analytics erbjuder sentimentanalys, extrahering av nyckelfraser, identifiering av namngivna entiteter (NER) och språkidentifiering. Azure AI Translator översätter text mellan fler än 100 språk med ett enda API-anrop. Azure AI Language Understanding (CLU) klassificerar användaravsikter från naturligt språk för att bygga konversationsbaserade program. Azure AI Question Answering bygger en kunskapsbas från vanliga frågor och dokument för att besvara frågor på naturligt språk.

Kategorin Azure AI Speech kopplar samman ljud och text. Speech to Text (STT) transkriberar talat ljud i realtid eller i batchläge, stöder fler än 100 språk och anpassade akustiska modeller för domänspecifik terminologi. Text to Speech (TTS) omvandlar text till naturligt klingande ljud med neurala röster på fler än 140 språk. Speaker Recognition identifierar eller verifierar personer med hjälp av deras röst. Speech Translation kombinerar STT med Translator för att tillhandahålla översättning från tal till tal i realtid.

Kategorin Decision omfattar tjänster för personalisering och avvikelsedetektering. Azure AI Anomaly Detector analyserar tidsseriedata (till exempel servermätvärden och försäljningssiffror) och identifierar automatiskt avvikelser utan att kräva ett märkt träningsdataset – tjänsten lär sig normala mönster från historiska data. Azure AI Personalizer (nu en del av Content Safety i vissa vyer) använder förstärkningsinlärning för att välja vilket innehåll som är bäst att visa för en användare utifrån kontextuella funktioner. Båda tjänsterna är användbara i scenarier för drift och business intelligence.

Alla API:er för Azure AI Services följer samma mönster: hämta URL:en till slutpunkten och en API-nyckel (eller använd hanterad identitet) från er resurs och skicka sedan en HTTP POST-begäran med nyttolasten och autentiseringshuvudet. API:et returnerar ett JSON-svar med resultaten. Microsoft tillhandahåller klient-SDK:er för .NET, Python, JavaScript, Java och Go som kapslar in REST-anropen med typade objekt och logik för nya försök. Det gör integrationen enkel utan att ni behöver hantera HTTP manuellt.

Microsoft bygger Azure AI Services kring sex principer för ansvarsfull AI: Rättvisa (AI ska inte diskriminera), Tillförlitlighet och säkerhet (AI ska fungera som förväntat), Integritet och säkerhet (data ska skyddas), Inkludering (AI ska ge alla människor bättre möjligheter), Transparens (AI ska vara begriplig) och Ansvarsskyldighet (människor ska ansvara för AI-beslut). Vissa funktioner, till exempel identifieringsfunktionerna i Face API, kräver en formell ansökan till Microsoft innan åtkomst beviljas.

Azure AI Services prissätts enligt en modell med betalning efter användning: ni betalar per API-anrop, per analyserad bild, per översatt tecken eller per transkriberad ljudminut. Varje tjänst och nivå har sin egen prissättningsenhet. En kostnadsfri nivå (F0) finns för de flesta tjänster, med begränsade anropskvoter (till exempel 5 000 anrop per månad för Text Analytics), vilket gör experimentering kostnadsfri. Standardnivån (S0) har högre kvoter och passar för produktion. Kostnaderna ökar linjärt med användningen – det finns inga fasta månadsåtaganden.

Resurser för AI Services bör skyddas utöver den förvalda autentiseringen med API-nyckel. Rekommenderade metoder är bland annat att lagra API-nycklar i Azure Key Vault i stället för i koden, använda hanterad identitet för att komma åt resursen utan någon nyckel, begränsa nätverksåtkomsten med privata slutpunkter så att resursen endast kan nås från ert VNet samt aktivera diagnostisk loggning för att granska alla API-anrop ur efterlevnadssynpunkt. API-nycklar bör roteras regelbundet – varje resurs har två nycklar för att möjliggöra rotation utan driftstopp.

Många Azure AI Services kan distribueras som Docker-containrar i scenarier som kräver datasuveränitet (där bearbetningen stannar lokalt eller i en viss region) eller frånkopplade miljöer. Ni hämtar containeravbildningen från Microsoft Container Registry, kör den med er API-nyckel och konfiguration för slutpunkten och anropar tjänstens REST-API på localhost. Containern kontaktar Azure för fakturering – all användning spåras och debiteras fortfarande via er Azure-prenumeration, men AI-bearbetningen sker lokalt.

I den här lektionen har ni lärt er att Azure AI Services tillhandahåller förbyggda AI-funktioner inom områdena Vision, Language, Speech och Decision, som kan nås via REST-API:er, att en resurs med flera tjänster förenklar åtkomsten med en enda slutpunkt och nyckel samt att alla tjänster bör skyddas med Key Vault och hanterad identitet och kan distribueras som containrar för krav på datasuveränitet. Härnäst utforskar vi hur Language- och Vision-API:erna anropas i praktiken.