知識星球語言和人文是基礎，數理化是未來。
當高科技爛大街成為常態，還有啥理由不努力學習AI科學呢。
最近在學習AI，一位朋友正好送了我一本AI技術的書籍，如獲至寶，寫點經驗。
書的主題：使用 Microsoft AI 打造你的首款智慧機器人
尼泊爾農村出來的一個大學生M女士，和大學同學一起，構建了一個畜牧業、獸醫實監控裝置原型，用於跟蹤農場動物的體溫、睡眠樣式、壓力水平、動作和活動。這個AI 系統根據這些觀察結果中的細微變化，預測每隻動物可能的健康狀況。
農民能夠跟蹤他們的牲畜的狀況，接收警報和可行的建議。這個方向真是不錯。我們那裡的農村，最近幾年比較流行，縣城上游企業和村裡合作，城裡提供豬苗原料等資源，村裡村民提供一定的資金蓋豬圈，養好之後再賣給上游企業。上游賺大錢，下游穩定賺小錢。一批豬大概幾百隻，也不少了。如果真正實現了感測器量體溫等智慧化手段，可以養殖更多，不會擔心各種疾病。要不然，出現一次疾病，損失慘重。
這個題材是AI技術落地最好的一個應用。微軟小冰很火 https://www.msxiaobing.com/ 有興趣的可以去官網瞭解一下。之前一直想搭建一個自己的AI機器人，然後結合自己的業務場景，比如說今後自己搞了一個技術外包公司，提供了多種技術解決方案，電商、金融、小程式等等。這個時候，客戶透過網上的文章找到了我，看了之後，可能會有一些疑問，這個時候，給他一個智慧化的AI機器人或者智慧客服之類的工具，陪他聊天，解決它的問題，客戶轉化率會高很多。這是咱技術人員的優勢，多學習技術，尤其是能夠落地的AI科技，發揮咱的才能。
AI技術：使計算機能夠透過感知、學習和推理，以類似於人類的方式為人類提供協助和解決問題。
感知：輸入
人：人有眼睛看到影象、耳朵聽到聲音、鼻子聞到氣味、面板感知溫度等等。
AI機器技術點：各種感測器，攝像頭、耳麥、智慧溫度計等，計算機視覺、語音識別、語音合成。
學習：得到有用的資訊
人：讀書，學習到新的知識。
AI機器技術點：自然語言理解，或者對話AI是其中一種。紅綠燈等規則屬於那種簡單規則化的一種知識，這種機器很好學習。
推理：根據現有資訊，得到更多資訊
人：最近波音飛機出了事故，正好都是類似型號的。人們很快就能想到，可能是這個機型的技術問題。民航局等很快下達指令，暫停飛行。
機器：這種表示和理解人、事、地點和事件之間的關係，才是高階一點的AI。
最近幾年AI越來越火，主要是因為AI技術越來越成熟，成熟的基礎是現在雲端計算平臺越來越多，價格還很便宜，比如國外微軟的Azure，國內的阿裡雲。
資料方面，搜尋、電商、社交、金融等各方面的資料，都積累了二十多年了。
所以，AI搞的比較好，國外主要是微軟AI、Google AI，百度 AI。透過初步的瞭解，搜尋公司的AI能力看起來更牛逼一些。
Microsoft AI 平臺旨在將 AI 帶給每個開發人員，並透過提供各種服務、基礎架構和工具，使開發人員能夠進行創新和加速開發過程。
從預構建的 AI（幾乎不需要訓練）到自定義 AI，開放的 Microsoft AI 平臺使開發人員能夠使用各種深度學習和機器學習框架和工具。
自定義 AI
Azure 機器學習使你能夠開發機器學習和深度學習模型，在雲中進行訓練並實施。
預構建 AI
只需幾行程式碼，你就可以使用高階的“已完成”服務，來加速智慧應用程式的開發。Microsoft AI 平臺還集成了各種機器學習和深度學習框架，包括 TensorFlow、Caffe2、Microsoft 認知工具包 (CNTK)、Scikit-learn、MXNet、Keras 和 Chainer。越寫越高階，知道個別的比如TensorFlow，後面的完全可以慢慢瞭解。
先瞭解大致怎麼回事，呼叫雲平臺的API工具，先解決一個實際問題，玩玩再說，然後再深入學習，出師，投入到實際專案中。
更多技術可以去微軟AI中國(世紀互聯運營的那個)官網瞭解：https://www.azure.cn/zh-cn/也可以下載電子書，完整瞭解下。
聊天機器人與你輕鬆交談，回答你的問題，或執行諸如保留你的預訂、訂購食物或購買物品等
任務。如果設計得當，它們甚至可以“以假亂真”，讓你以為自己在和人類說話。
除了微軟小冰，京東亞馬遜有側重購物的智慧音響，百度的側重找答案，保險公司已經開始使用AI版電話智慧“騷擾”，應用場景還是比較多的。
牛逼哄哄的Microsoft，打算超越這些聊天機器人，創造了“對話 AI 即平臺”的概念，將自然語言置於計算的核心。這些系統將被註入由 AI 驅動的感官，以在人與機器之間建立無縫的關係。
喜歡研究的技術人員，去造這樣的輪子。
喜歡業務應用開發的，可以去使用這些輪子，解決實際問題，價值也是不菲的。
NLP 本質上是能夠獲取人類產生的文字，並將其轉變為機器可讀語言的能力。NLP 從文字中分析和提取關鍵元資料，包括以下內容：
物體：名詞，包括人物、地點和事物。
關係：物體之間的關係。
概念：從文字主體中提取未明確表示的一般概念。例如，“Excel”一詞可能會傳回“生產力工具”和“數字”等概念，即使這些詞語並沒有出現在文字中。這是一個強大的工具，能夠在看似沒有明顯關係的事物之間建立聯絡。（這個略顯高階）
情緒：衡量文字所傳遞的積極性或消極性的水平，比如說，在檢測到消極情緒時，將聊天轉交給人工客服。
情感：更細粒度的情緒分析。它不僅區分“積極”和“消極”，還包括“憤怒”、“悲傷”和“快樂”。本文中的“牛逼哄哄”、“高階”、“騷擾”所暗含的情緒，應該也是能夠識別的。
關鍵字：提取關鍵字和詞語，以用作索引、搜尋、排序等的基礎。
類別：這為文字的內容建立了一個分層分類法，並將其置於高階別類別（文字分類）中。對於推薦相關內容、生成廣告、組織電子郵件等應用程式，這非常有用。
微軟提供了 語言識別服務：
https://www.luis.ai/homeLUIS 這樣的系統旨在提取以下關鍵輸出：識別意圖的能力使用者的目的是什麼？意圖是使用者在輸入中表達的目的或標的，例如預訂航班、支付賬單或查詢新聞報道。識別話語（對話）的能力話語或對話是來自使用者的文字輸入，是應用需要理解的內容。它可能是一句話，例如“預訂到巴黎的機票”，或是句子的一部分，例如“預訂”或“巴黎機票”。話語和對話並不總是很工整，並且一個意圖可以有多種的對話變體。
識別物體的能力
物體表示對話中有意義的詳細資訊。例如，在對話“預訂到巴黎的機票”中，“巴黎”是一個位置物體。透過識別和標記使用者對話中提及的物體，LUIS 可幫助你選擇要採取的特定操作，以回應使用者的請求。
現在各種大會，比如CSDN經常主辦協辦一些大資料和雲端計算大會。
比如，你正在一個微軟AI技術大會，參會者有幾百人，大家都興緻勃勃。在演講者演講的過程中，你想到了一系列問題。你想提問，但：
• 這不是問答時間。
• 你不喜歡在公共場合說話。
• 在問答時間，你可能手舉得不夠高或沒被挑中。
• 你有語言障礙，不能用演講者的母語與其流利地交流。
由於後勤或其他障礙，大多數人沒有機會在大會期間充分與演講者進行互動，探討其中的內容。
要是你有一個叫做“Conference Buddy”的聊天機器人，在想到問題的第一時間提出問題，問題就會得到解答呢？
並且，這些問題也會被傳送到儀錶板上，演講者可以參與並實時回答觀眾提出的問題。
是不是很爽，參會體驗大幅度飆升。
我們要構建的 Conference Buddy 聊天客戶端將具有三個功能：
3.3.1 回應你的問候並自我介紹
3.3.2. 如有可能，智慧且自動地回答你的一些問題
3.3.3 將你向演講者提出的問題傳送到儀錶板，以便演講者可以看到觀眾提出的所有問題，然後演講者可以選擇要回答的問題
限於篇幅，就不Copy人家程式碼了。
有興趣的朋友，可以下載電子書瞧瞧，也可以直接去GitHub下載原始碼。https://github.com/Azure/ConferenceBuddy
這裡貼一個架構圖：
Conference Buddy 機器人有兩個主要組成部分：
該元件智慧地處理所有與訊息相關的事件。
適用於多個渠道，這意味著使用者可以透過電子郵件、Skype 或使用自定義訊息服務（透過機器人聯結器連線到會議機器人）。
它負責將機器人的業務邏輯抽象化,機器人大腦中存在個別機器人任務,問題和結果顯示在 Conference Buddy 儀錶板上。
機器人大腦是智慧機器人任務的集合，其中每個機器人任務是用於完成單個任務的函式，並且獨立於其他機器人任務。
機器人任務是業務邏輯的函式，可以利用多個認知服務 API 來處理使用者的訊息。機器人任務是機器人大腦集合中的函式。每個機器人任務可以部署
到同一個 Web 服務或單獨的 Web 服務，並可相互獨立地進行擴充套件。
例如，“詢問 xxx 是誰”任務使用兩個認知服務 API – 必應網站搜尋和必應影象搜尋，將結果合併在響應物件中，並將其發送回給會議機器人。然
後會議機器人會建立一個內容豐富的圖形卡片，以將收集到的資訊傳回給使用者。
對話流：Conference Buddy 機器人在工作中的一個例子
為了瞭解 Conference Buddy 機器人如何運作，我們來研究一個典型的對話流：
1. 使用者透過發出第一條訊息來呼叫會議機器人。
2. 會議機器人作出回應，首先向使用者打招呼，然後介紹自己能做些什麼。
3. 然後使用者提出問題，例如，“演講人lili是誰？”
4. 會議機器人將訊息傳送給 LUIS 以確定訊息的意圖：LUIS 解析訊息，
在我們的示例中，會傳回“這是一個詢問 xxx 是誰的任務”。
5. 然後，會議機器人在機器人大腦中，選擇要透過 HTTP Post 呼叫的相應的機器人任務。
在我們的示例中，“詢問 xxx 是誰”的任務將執行以下動作：
a. 將字串傳送到必應網站搜尋並獲取結果。
b. 將字串並行傳送到必應影象搜尋。
c. 將影象和文字合併到會議機器人能夠理解的響應物件/資料協定中。
6. 會議機器人將圖形卡片作為結果傳送給使用者。
7. 會議機器人將結果傳送到 Azure 搜尋以進行存檔，以便儀錶板可以使用它。
8. 使用者可以單擊卡片上的連結，以從文章來源獲取更多資訊。
透過以上對話流，我們大致就知道咱們首款智慧機器人的工作流程，剩下的就是掌握其中的每一個環節，最佳化它，使它工作的更好。
充當會議與會者和演講者探討的問答庫。Conference Buddy 儀錶板有以下功能：
• 顯示所有聽眾實時提出的問題
• 允許演講者按照會話、機器人技能或主題快速搜尋、排序或過濾結
果，以檢視提交的相關問題。
這個就簡單多了，Java、PHP等各種Web語言都能很快實現。
回頭看，智慧對話機器人並沒有那麼難，閱讀本文至少能看懂個大概。
或者說，智慧對話確實非常接地氣，咱們生活中的場景比較多。
京東等購物平臺的智慧客服已經可以解決一些標準化問題了。
推銷公司有時候，會有AI版的電話自動打過來，問你要不要這個，要不要那個。
有關本文“智慧機器人”實現的更多內容，大家可以下載電子書。這本電子書的2個作者，都是業界大牛。
有關本文“智慧機器人”實現的更多內容，大家可以點選文末“閱讀原文”下載電子書。
