La inteligencia artificial es la imitación de características humanas, desde El Habla, La Escucha, La Vision y El Procesamiento, el punto es brindarle información a la AI que esta lo procese para poder lograr predecir o tomar decisiones con base en una predicción.
Todo esto se hace por medio del azure machine learning
Por medio del Azure Studio podremos empezar a crear un workspace que es el espacio donde podremos entrenar y testear nuestra AI,Dentro de este espacio tendremos que porvisionarnos de:
- Computación
- Datasets
Con esto podremos entrenar a los diferentes servicios con los que contamos. Tenemos a grandes rasgos dos maneras específicas de entrenarlos:
Cuando tenemos data supervisada osea ya procesada y preparada para que el servicio que estemos ejecutando pueda procesarla de manera clara:
- Entrenamiento por regression: Este devolverá un
valor númericocon base en la información con la que es alimentada. - Entrenamiento por classification: Este devolverá
un grupoen el que pueda categorizar a algo por ejemplo una fruta circular y roja lo clasificará como manzana. - Entrenamiento por Time Series: Este devolverá un
valor a futuropor ejemplo del valor de un auto en unos años.
Cuando tenemos data no supervisada:
- Entrenamiento por Category: Este devolverá una asociación de datos segun su análisis.
Tras pasar toda la data por este proceso puedo empezar a lanzar el proyecto a deploy, esto obviamente para testing y finalmente llevarlo al usuario final, se puede hacer en contenedores de Azure o con el servicio de testing AKS / ACI
Al lanzarlo el cliente final tendrás que tener un endpoint, clave del endpoint, y el proyecto y modelo. Necesitarás estos elementos para poder generar conexiones a los proyectos que tengas montados.
Existen 6 principios de Uso para poder brindar una AI de un correcto funcionamiento:
- Fairness (Justicia): Sin ningun tipo de imparcialidad o sesgo (bias)
- Reliability and Safety (Fiabilidad y Seguridad): Construir rigurosos sistemas de testing que puedan brindar confianza.
- Privacy and Security (Privacidad y Seguridad): No permitir que los datos salgan o goteen, que se mantengan en el entrenamiento y aprendizaje.
- Inclusive (Inclusivo): Debe estar disponible para todos los sectores sociales sin importar distinción.
- Transparency (Transparencia): Debe quedar muy claro sus limitaciones y funcionamiento para que las personas que lo usan tengan presente en que condiciones y hasta donde han de usarlo.
- Accountability (Rendir cuentas): Que toda AI tenga parámetros éticos por los cuales no haya inconvenientes legales, poder rendir cuentas sin culpas o en caso tal poder sobrellevar problemas legales.
- Image Classification: Esta toma una imagen y puede determinar que hay en la imagen o da una descripción de la misma mediante Tags de los elementos presentes.
dentro de este analisis hay unos dominios especiales:
-
Celebrities -
Landmarks -
Object detection: Este pondra cuadros delimitadores alrededor de los objetos que identifique en la imagen devolviendo unas cordenadas con el tag de lo que predice que puede ser el objeto en cuestion y su cantidad de confianza o de probabilidad de que si sea.
-
Semantic Segmentation: Coloreará pixel por pixel del objeto para distinguirlos y así saber cuál es cada uno con su color específico y su tag.
-
Facial detection: Este puede hacer varias cosas, crear cuadros delimitadores, analizar atributos como felicidad o cualidades, hacer reconocimiento facial.
-
OCR: Reconoce texto en diferentes elementos y para diferentes situaciones tiene dos alternativas,OCR API para cantidades pequeñas de texto como un formulario, y el Read API para cantidad grandes de texto.
-
Speech
- Speech to text: Llevar de un audio a texto, primero ondas de sonido, luego fonemas y luego palabras.
- Text to Speech: llevar un texto que se separa por palabras, luego a fonemas y por último a ondas de sonido.
- Speech translation: Por medio de audios convertir a texto y luego traducir.
-
Text
-
Analysis
- Key phrase: Obtener las palabras claves de la oración para saber el punto clave del texto.
- Entities: Obtener las entidades mencionadas en el texto.
- Sentiment: Analizar los sentimientos que se vean reflejados en el texto (Positive .90 and negative .10)
- Detect Language: Determinar que idioma es el texto si es ambiguo devolver un NaN pero si lo determina puede devolver el codigo del lenguaje y su nombre.
-
Translate:
- Text: es capaz de traducir hasta 60 lenguajes.
- Speech: es capaz de entender el habla de 60 lenguajes.
- Language Understanding: LUIS es el lenguaje que entiende la AI el cual busca las intenciones de una instrucción por ejemplo "Turn of the lights" Turn seria la intención.
-
-
QnA Maker: Extrae las preguntas de FAQ, support website y demás para poder mantener un tipo de encuentas o preguntas algo asi como un bot de preguntas y respuestas.
-
Azure Bot Service: Con conocimiento recolectado podra compartirlo por diferentes medios.
-
Cognitive Services: Poder utilizar muchos al tiempo con un solo endpoint y una Key.
-
Computer Vision Services: Todo lo que tiene que ver con vision de computadora pero sin poderlo entrenar con mis propios datos.
Está incluido en el cognitive Services -
Custom vision Services: Dos elementos de vison pero ahora puedo entrenarlo.
Está incluido en el cognitive Services -
Face Services: Todo con facial vision.
Está incluido en el Cognitive Services -
Form Recognized: Analisis de formularios con imagenes (max 20mb).
No hace parte del Cognitive Services -
Text Analysis:
Está incluido en el Cognitive Services -
Speech: Si las preguntas van hacia cualquier combinación de texto y speech o only speech es este servicio.
Está inlcuido en el Cognitive Services -
Tranlator text:
Está incluido en el Cognitive Services -
QnA Maker:
No hace parte del Cognitive Services -
Azure bot Services:
No hace parte del cognitive Services