很長一段時間以來，機器學(xué)習(xí)都占據(jù)著技術(shù)圈的熱搜榜。DTCC大會的第二天下午，筆者無意間闖入了機器學(xué)習(xí)專場，距開始還有半個小時，現(xiàn)場就已經(jīng)座無虛席了，機器學(xué)習(xí)的熱度可見一斑!隨意一瞥，筆者便看見了這樣一個議題——《微軟云計算在風(fēng)電行業(yè)的智能化實踐》，微軟、云計算、風(fēng)電行業(yè)，這三個字瞬間燃起了筆者的求知欲，所以這是一個什么樣的故事呢?
　　
　　微軟兩大重點方向——人工智能與邊緣計算
　　
　　劉士君開場便直奔主題——機器學(xué)習(xí)的意義是什么呢?關(guān)于機器學(xué)習(xí)的定義，或許每個人都有自己的見解和答案，劉士君提出的定義有三點：使用計算機運行算法模型、從海量數(shù)據(jù)中發(fā)掘隱藏規(guī)律以及預(yù)測未來行為和趨勢。當然，這是學(xué)術(shù)層面的定義，只有最后落地于具體場景，這事才算得上沒白研究。 　　
　　無意闖入：微軟、云計算與風(fēng)電行業(yè)實踐
　　
　　劉士君舉了一個十分簡單的“信用卡欺詐行為檢測”的事例，當用戶數(shù)很少時，人工檢測或許可以應(yīng)付，當數(shù)據(jù)爆炸式增長后，人工審核顯然是不合適的。這也表明，隨著大數(shù)據(jù)時代的到來，人工智能的出現(xiàn)也是必然。
　　
　　劉士君在現(xiàn)場說到機器學(xué)習(xí)的優(yōu)勢主要有四點：針對海量數(shù)據(jù);很多問題無法通過顯性指令集解決，但機器學(xué)習(xí)可以解決;效率幾何倍數(shù)提高;自我學(xué)習(xí)、不斷提高。當然，微軟針對機器學(xué)習(xí)也有自己的產(chǎn)品——Azure Machine Learning Studio，Azure上基于GUI，用于創(chuàng)建和操作機器學(xué)習(xí)工作流的集成開發(fā)環(huán)境。如果簡單地用一句話介紹，Azure Machine Learning是一個通過PaaS平臺快速構(gòu)建機器學(xué)習(xí)算法供開發(fā)者使用的解決方案。其有很多不錯的特點：通過瀏覽器訪問，通過可視化的模塊E2E支持數(shù)據(jù)流，提供多種ML算法和模型庫，支持R和Python擴展，支持Web API快速部署和伸縮，只需要完成算法，不需要部署環(huán)境，具有分類、回歸等模塊。如果感興趣，廣大技術(shù)人員可以自行體驗。
　　
　　這部分的最后，劉士君提及微軟今后兩大主要的研發(fā)方向集中于邊緣計算與人工智能。邊緣計算部分，劉士君簡單提及會將數(shù)據(jù)計算能力從云端逐漸推向邊緣化設(shè)備。
　　
　　微軟云計算在風(fēng)電行業(yè)的智能化實踐
　　
　　開篇提到，風(fēng)電行業(yè)吸引了我的注意力，為什么這么說呢?因為關(guān)于風(fēng)電行業(yè)的智能化案例相比其他行業(yè)的曝光度要少一些。來自北京天澤智云科技有限公司的劉宗長對這部分進行了介紹。
　　
　　從痛點出發(fā)，劉宗長表示，雖然人工智能技術(shù)突飛猛進，但在工業(yè)領(lǐng)域的應(yīng)用仍處于探索階段，還有許多問題需要解決：比如與工業(yè)場景中的痛點契合、以機理模型為基礎(chǔ)、對業(yè)務(wù)場景的深度理解、以為客戶創(chuàng)造價值為最終目標。好，扯遠了，再扯回來!
　　
　　具體到風(fēng)電行業(yè)主要有三大痛點：一是國內(nèi)目前對風(fēng)能限電嚴重，風(fēng)機的實際使用率遠低于國際平均水平，二是風(fēng)電的度電成本較高 (0.6-0.8元/度)，為煤電的2倍以上，三是運維難度大，停機造成的損失巨大。針對這些問題，天澤智云科技選擇了Wind Insight，Wind Insight 是一個利用預(yù)測性分析及AI技術(shù)對風(fēng)電裝備進行智能化運維管理的平臺，其部署在了Azure平臺上，最大的方便就是可以集成Azure的資源，比如用 AML Studio 實現(xiàn)性能分析的建模過程、用 Azure進行性能分析驗證等。最后，基于Azure構(gòu)建整套系統(tǒng)縮短了80%以上的產(chǎn)品研發(fā)周期。
　　
　　這場無意闖入讓筆者對微軟的機器學(xué)習(xí)技術(shù)以及Azure可以提供的整體資源有了一個簡單的了解，具體的功能或許可以請各位技術(shù)人士自行測試、評論里互相交流。