两年前被微软收购的 Bonsai,成为了 Build 2020 的重要杀器

昨天,微软 Build 2020 首次在线上召开。大会第一天,发布了多个重磅新品,包括 AI 超级计算机、工业系统 AI 开发平台 Bonsai 项目等,我们从中可一窥微软的 AI 布局。

微软的 Build 2020 大会如期而至,这是有史以来第一在线上举办。

今年大会的重点,依然是云计算和人工智能。

微软 CEO Satya Nadella 开幕致辞表示AI 技术与云计算已被用于 COVID-19 这场危机中

本次大会上,微软重点介绍了工业系统 AI 开发平台 Project Bonsai。而这个项目实际上源于微软两年前的一次收购。

Project Bonsai 原生家庭:Bonsai

Bonsai 成立于 2014 年初,是位于加利福尼亚州伯克利的一家人工智能创业公司。

CEO 马克·哈蒙德(Mark Hammond)在 1990 年代末至 2000 年代初曾在微软工作。

  • Bonsai 团队拥有约 42 名员工

公司的主要业务便是将强化学习用在工业领域,用「机器教学」的方法,加速模型训练过程,从而解决工业中的自动化问题,主要应用于机器人、能源、工业和自动驾驶等领域。

2017 年 9 月,Bonsai 为编程工业控制系统建立了一个新的强化学习基准。通过使用机器人任务来展示这一成果,该平台成功地训练了一个模拟机器人手臂,通过将任务分解为更简单的子概念来掌握和堆叠积木。

他们的新技术比 Google DeepMind 的类似方法执行速度快 45 倍。

  • Bonsai 使用分解任务的方法,提高了培训效率和灵活性

2018 年 6 月,微软对外宣布收购 Bonsai,并称其打造了工业智能系统的「大脑」。

  • 在 Bonsai 之前,微软已收购多个 AI 初创公司

虽然微软没有公布收购金额,不过据市场研究机构 Crunchbase 提供的数据显示,该公司过去已经累计融资 1360 万美元,这些风投资金来自 ABB 技术风险投资公司、新企业联合公司、三星、西门子和以及微软自己的风险投资公司——M12。

通过这次收购,微软将 Bonsai 与 Azure 相结合,可以更好地将其产品推广到制造业、医疗保健和汽车等各种垂直行业,为后者构建强大的自主工业系统。

Project  Bonsai:微软在工业场景的最大布局

收购完成后,Bonsai 也就成为了此次 Build 2020 上发布的 Project Bonsai,也成为微软在工业应用上的最大手布局。

Project Bonsai 是用于构建自主工业控制系统的 AI 平台,也是一项「机器教学」服务,它结合机器学习、校准和优化功能,能够让制造、化工、建筑、能源和采矿等行业机械的核心控制系统自主化,以协助管理各类工业设备。

其中的应用场景包括,机器人手臂、推土机铲刀、叉车、地下钻机、救援车辆、风力发电场和太阳能发电厂等核心控制系统中的决策部署。

Project Bonsai 的目的在于创建控制系统,采用了数字反馈回路和人类经验的组合,为行动和建议提供信息,使系统能够比人类操作者更快、更精确地完成校准等任务。

之前的工业控制系统,需要专业知识来进行开发和维护,对生产来说,会造成极大的不便,而 Project Bonsai 则将这个过程进行了简单化,即使没有 AI 背景,也可以将其应用在工作中。

Bonsai 对人工智能的作用就像数据库对数据的作用一样,将人工智能的低复杂度抽象出来,为开发人员提供运行时环境和编写人工智能模型的工具。

Project Bonsai 是如何炼成的

Project Bonsai 开发平台,最主要的目的在于,在实际使用之前,提供作为自主机器的安全、可重复的试验场,协助工业应用的开发。

而在开发的思路上,是将机器教学、强化学习和数字模拟相结合而得来。

机器教学和模拟

为了模拟真实中会遇到的问题,Bonsai 采用了「数字双胞胎」的模拟方法,它是指真实系统的虚拟化展现。

比如一个学习控制推土机的模型,在决定行动之前,会接收到模拟环境中的变量信息,如泥土的信息或附近行走的人的距离,然后再作出决策。

托管在 Azure 上的 Project Bonsai,能复制系统可能遇到的数百万种不同的真实世界场景,包括传感器和组件故障等边缘情况。

开发者和其他领域的专业人士可以用 Bonsai 定制的编程语言,将自己的专业知识传授给 AI,就像编写课件一样。

  • 机器教学流程图

通过对这些关键知识的学习,Bonsai 系统能更快地选出最好的强化学习模型,并在模拟环境中测试不同的操作,给出效果最优的解决方案,从而避免许多耗时的无效探索。

训练后,模型既以决策支持的身份进行部署,与现有的监控软件集成,提供建议和预测,也可以直接进行决策授权,这样,模型就可以开发出具有挑战性的情况下的解决方案。

同时,这些决策会随着时间的积累而改进,以获得最大的回报,专家人员可以对系统进行调整,从而得出一个可行的解决方案。

分层强化学习

另一项技术,称为分层强化学习,主旨是通过将工作负载分解成更简单的概念(或子概念),然后单独训练,然后再将其组合起来,从而解决问题。

该引擎会自动选择最佳的算法来训练模型,铺设神经网络并调整其参数。并且该平台可并行运行多个模拟,以减少训练时间,通过 Bonsai 提供的库将训练好的模型的预测结果流向软件或硬件。

为帮助开发者与工程师熟悉 Project Bonsai 的功能,微软还在本次大会中,首次推出了一个名为 Project Moab 的实验平台。

它是一个开源平衡机器人,具有三个手臂、一个操纵杆控制器,能够让一颗小球在顶部的透明板上保持平衡。该工具为用户提供了一个模拟环境,让用户借助模拟器进行实验。

从 Bonsai 看微软的 AI 布局

正如微软创立之初的愿景「让每个人都能从计算机中受益」一样,微软也希望每个人都能从人工智能中受益。

近年来,微软除了在人工智能技术和工具方面的投入外,还在人工智能工业级应用上加紧布局。

收购 Bonsai 就是其中一步。

微软也在 AI 竞争中取得了一席之地,从入门级 ML 平台,到工业系统的高级 AI 平台,微软拥有了全面的 AI 产品组合。

而微软在本次 Build 大会中指出,Bonsai 项目仅仅是其帮助工业客户构建自治系统愿景的第一步。

参考资料:

https://blogs.microsoft.com/blog/2018/06/20/microsoft-to-acquire-bonsai-in-move-to-build-brains-for-autonomous-systems/

阅读 1.1k

推荐阅读
超神经HyperAI
用户专栏

AI 行业实验媒体,站在科技与人文的交叉口,看懂人工智能。微信公众号:HyperAI

4588 人关注
85 篇文章
专栏主页
目录