微软的重大更新可能会为你的应用程序带来人工智能

本周对人工智能来说是丰收的一周：周一，谷歌公开发布了 TensorFlow，这是一个强大的机器学习平台，研究人员可以使用它来创建自己的人工智能程序。周二，Nvidia 宣布对其单芯片超级计算机 Jetson TX1 进行大规模更新。现在，微软更新了自己的人工智能工具套件 Project Oxford，增加了一系列强大的新功能，这些功能可能很快就会出现在我们所有人使用的应用程序中，包括一个识别人类情绪的程序，以及另一个可以在嘈杂的房间中识别单个人的声音的程序。

重大新功能包括一系列新的应用程序编程接口 (API)，这些工具可供 Microsoft 以外的软件开发人员用来构建自己的独立应用程序。Microsoft 重点宣传了其 Emotion API，该 API 使用机器学习根据面部表情识别八种情绪状态（愤怒、蔑视、恐惧、厌恶、快乐、中立、悲伤或惊讶）。（这很像 Paul Ekman 的作品，更受欢迎的是改编自已停播的电视剧《别对我撒谎》。）

情感 API 现已可用，并于本周早些时候在 Movember 慈善机构的胡须识别网络应用程序 MyMoustache 中首次亮相。

微软表示，这可能有助于衡量顾客对商店中产品的反应，甚至可以用于反应性消息应用程序。

说到消息传递，微软还发布了一个拼写检查 API，它改进了基于规则的标准检查器。该软件可以区分句子中的“for”和“four”，并学习人们使用的流行表达方式（“selfie”）。微软尚未真正阐明所有这些数据在用户隐私方面是如何存储和管理的。

这与 Facebook 在翻译方面的机器学习类似：该公司至少每月一次从用户的 Facebook 帖子中抓取新短语和俚语，并将其纳入 Facebook 的翻译器中，并且正在增加此类训练的频率。

对于计算机视觉领域，微软还发布了一个视频 API，它可以检测抖动的相机运动、动作和人脸。该软件可以实现自动编辑视频，就像目前一些运动相机所做的那样，它也用于 Microsoft Hyperlapse。它将在今年年底前推出（测试版）。

微软还推出了两款 API，可以更轻松地理解人们的说话方式，涵盖了大多数基础。一款用于识别说话者，另一款可以在嘈杂的拥挤房间中识别人们在说什么，或者识别那些有口音或说话困难的人。能够消除噪音的 API 称为“自定义识别智能服务”，将于年底以邀请制形式推出。

口音和嘈杂的环境一直以来都是人工智能系统难以识别的，但研究人员现在正在寻找解决方法。例如，谷歌的语音搜索开发人员实际上在人工智能学习不同短语时会将噪音添加到人工智能听到的样本中，以便更好地适应真实环境。

虽然谷歌的 TensorFlow 平台面向研究人员和程序员，但微软的目标是通过专注、简单的 API 面向应用开发者。有了这样更简单的工具，更多不受数十亿美元公司支持的主流应用将能够将深度学习和人工智能集成到他们的应用中。人工智能是下一个软件前沿，微软让小型开发者更容易参与其中。