5 月 7 日，在微软 Build 2019 开发者大会上，微软宣布推出第一个应用微软 AI 的自主系统（Autonomous systems）。该系统建立在微软之前收购的 Bonsai 公司的基础能力上，可帮助开发人员使用微软的 AI 和 Azure 相应工具，训练可以自主执行的系统模型。据悉，该系统主要应用了微软的机器教学和仿真技术两项技术，以仿真真实环境进行模型 / 系统训练。
微软 AI 自主系统，机器教学＋仿真技术
透过微软这个自主系统，开发人员还可以应用微软的 Azure IoT、ROS for Windows 等服务，以在云端或装置端构建智能机器人系统。在此次系统首个预览版本发表之前，微软就这个系统已与丰田旗下 Toyota Material Handling 公司、Sarcos 公司合作，分别对两者的自动堆高机机器人、远程视觉检测机器人进行了智慧化改进。以 Sarcos 的远程视觉检测机器人为例，该机器人为一款蛇形机器人，可用于深入地震现场、搬运坍塌材料以及救寻伤者。但是 Guardian S 机器人之前必须由人远程操控，以引导其穿过狭窄空间和复杂地形。据官方介绍，透过使用微软这个系统，工程师能够开发出一种自动控制系统，使蛇形机器人能够自主避开障碍物，甚至自行爬楼梯、爬墙。
前文有提到，这个系统的关键技术之一是「机器教学」。要让机器人实现自主控制，当下主流方式是应用深度学习，但这在动态环境中仍存在一定难度，微软这个系统即透过其「机器教学」实现机器人在复杂环境中的自主控制。微软认为，AI 的下一阶段，训练机器学习模型时将融入人类专业知识，即所谓「机器教学」。机器教学旨在从专业人员那里获取知识，而不仅是从数据中提取知识。微软之前曾表示，十年前，微软研究人员已经开始探索机器教学原理，微软现在也正将这些概念逐步应用到机器人及自动化生产相关产品或系统中。据了解，自然语言理解（Language Understanding）是微软最早采用机器教学概念的应用之一，这是 Azure 认知服务中的一种工具，可以从短文本中辨识意图和关键概念。据官方消息显示，该应用已被 UPS、Progressive Insurance 等公司用于开发智能客户服务机器人。
此次，在微软 Build 2019 上，机器教学这个技术也再次被微软应用到构建其自主机器人系统中。这个系统的另一关键技术为仿真技术，包括微软自己的 AirSim 模拟工具或第三方仿真器。在算法或系统构建完成后，进入真实环境工作之前，需要先将系统放入仿真环境中进行测试。其中，AirSim 为微软在 2017 年 2 月对外公布的开源仿真平台，主要用于为无人机、自动驾驶汽车、机器人构建模拟环境。微软研究人员表示，「透过创建仿真器，提供更加真实的环境视图。机器人平台的仿真器可以精确渲染细微环境，如阴影、反射等，这些都会对计算器视觉算法产生重大影响。」而在之前，丰田旗下 Toyota Material Handling 公司正是透过使用微软的 AirSim，在 AirSim 环境下模拟仓库环境来训练智慧堆高机，以便在辨识和避障的同时自主运行。
而这个自主系统其实并不仅用于机器人领域，其目标应用领域还包括建筑、能源、工业等众多领域。Bonsai CEO Mark Hammond 也表示，「我们正在努力为想要构建 AI 自主系统的客户，提供一个全面的平台，涵盖开发、营运和端到端生命周期管理。」
被微软视为 AI 自主系统「大脑」的 Bonsai
2018 年 6 月，微软对外宣布收购被其称为自主系统的「大脑」的人工智能初创公司 Bonsai。据了解，Bonsai 成立于 2014 年，公司定位「面向企业的世界深度增强学习平台」，致力于设计面向企业的深度学习工具，其工具主要应用于机器人、能源、工业和自动驾驶等领域。Bonsai 的深度学习工具使用开源机器学习库 TensorFlow，使工程师能够制定和训练自主系统。内文来源：sbf胜博发票务 http://www.www.ktnetks.com.tw
Bosai 的深度学习工具提供的服务包括自动模型生成和管理，用于仿真器集成的 API 和软件开发工具包（SDK）。值得注意的是，在 2017 年，该公司开发了一种用于编程工业控制系统的新技术，其执行速度比 Google 的 DeepMind 等方法要快 45 倍。据官方消息显示，Bonsai 的端到端平台可以提供一套完整的工具，目前可以透过机器教学，将专业人士知识融入到机器学习模型中，平台会自动选择最合适的深度强化学习算法，用于训练特定模型，布置神经网络和调整超参数。微软公司副总裁 Gurdeep Pall 之前曾表示，「Bonsai 的平台与和丰富的仿真工具，与微软的强化学习工作相结合，成为建立任何进行控制和校准任务的自主系统最简单和最丰富的人工智能工具链。这个工具链将与在 Azure 云上执行、带有 GPU 和 Brainwave 的 Azure 机器学习组合相结合，用其构建的模型将在 Azure IoT 中部署和管理，进而为微软提供用于自治系统的端到端解决方案。」