兩年前被微軟收購的 Bonsai，成爲了 Build 2020 的重要殺器

昨天，微軟 Build 2020 首次在線上召開。大會第一天，發佈了多個重磅新品，包括 AI 超級計算機、工業系統 AI 開發平臺 Bonsai 項目等，咱們從中可一窺微軟的 AI 佈局。

微軟的 Build 2020 大會如期而至，這是有史以來第一在線上舉辦。

今年大會的重點，依然是雲計算和人工智能。

微軟 CEO Satya Nadella 開幕致辭表示AI 技術與雲計算已被用於 COVID-19 這場危機中

本次大會上，微軟重點介紹了工業系統 AI 開發平臺 Project Bonsai。而這個項目實際上源於微軟兩年前的一次收購。

Project Bonsai 原生家庭：Bonsai

Bonsai 成立於 2014 年初，是位於加利福尼亞州伯克利的一家人工智能創業公司。

CEO 馬克·哈蒙德（Mark Hammond）在 1990 年代末至 2000 年代初曾在微軟工做。

• Bonsai 團隊擁有約 42 名員工

公司的主要業務即是將強化學習用在工業領域，用「機器教學」的方法，加速模型訓練過程，從而解決工業中的自動化問題，主要應用於機器人、能源、工業和自動駕駛等領域。

2017 年 9 月，Bonsai 爲編程工業控制系統創建了一個新的強化學習基準。經過使用機器人任務來展現這一成果，該平臺成功地訓練了一個模擬機器人手臂，經過將任務分解爲更簡單的子概念來掌握和堆疊積木。

他們的新技術比 Google DeepMind 的相似方法執行速度快 45 倍。

• Bonsai 使用分解任務的方法，提升了培訓效率和靈活性

2018 年 6 月，微軟對外宣佈收購 Bonsai，並稱其打造了工業智能系統的「大腦」。

• 在 Bonsai 以前，微軟已收購多個 AI 初創公司

雖然微軟沒有公佈收購金額，不過據市場研究機構 Crunchbase 提供的數據顯示，該公司過去已經累計融資 1360 萬美圓，這些風投資金來自 ABB 技術風險投資公司、新企業聯合公司、三星、西門子和以及微軟本身的風險投資公司——M12。

經過此次收購，微軟將 Bonsai 與 Azure 相結合，能夠更好地將其產品推廣到製造業、醫療保健和汽車等各類垂直行業，爲後者構建強大的自主工業系統。

Project  Bonsai：微軟在工業場景的最大布局

收購完成後，Bonsai 也就成爲了這次 Build 2020 上發佈的 Project Bonsai，也成爲微軟在工業應用上的最大手佈局。

Project Bonsai 是用於構建自主工業控制系統的 AI 平臺，也是一項「機器教學」服務，它結合機器學習、校準和優化功能，可以讓製造、化工、建築、能源和採礦等行業機械的核心控制系統自主化，以協助管理各種工業設備。

其中的應用場景包括，機器人手臂、推土機剷刀、叉車、地下鑽機、救援車輛、風力發電場和太陽能發電廠等核心控制系統中的決策部署。

Project Bonsai 的目的在於建立控制系統，採用了數字反饋迴路和人類經驗的組合，爲行動和建議提供信息，使系統可以比人類操做者更快、更精確地完成校準等任務。

以前的工業控制系統，須要專業知識來進行開發和維護，對生產來講，會形成極大的不便，而 Project Bonsai 則將這個過程進行了簡單化，即便沒有 AI 背景，也能夠將其應用在工做中。

Bonsai 對人工智能的做用就像數據庫對數據的做用同樣，將人工智能的低複雜度抽象出來，爲開發人員提供運行時環境和編寫人工智能模型的工具。

Project Bonsai 是如何煉成的

Project Bonsai 開發平臺，最主要的目的在於，在實際使用以前，提供做爲自主機器的安全、可重複的試驗場，協助工業應用的開發。

而在開發的思路上，是將機器教學、強化學習和數字模擬相結合而得來。

機器教學和模擬

爲了模擬真實中會遇到的問題，Bonsai 採用了「數字雙胞胎」的模擬方法，它是指真實系統的虛擬化展示。

好比一個學習控制推土機的模型，在決定行動以前，會接收到模擬環境中的變量信息，如泥土的信息或附近行走的人的距離，而後再做出決策。

託管在 Azure 上的 Project Bonsai，能複製系統可能遇到的數百萬種不一樣的真實世界場景，包括傳感器和組件故障等邊緣狀況。

開發者和其餘領域的專業人士能夠用 Bonsai 定製的編程語言，將本身的專業知識傳授給 AI，就像編寫課件同樣。

• 機器教學流程圖

經過對這些關鍵知識的學習，Bonsai 系統能更快地選出最好的強化學習模型，並在模擬環境中測試不一樣的操做，給出效果最優的解決方案，從而避免許多耗時的無效探索。

訓練後，模型既以決策支持的身份進行部署，與現有的監控軟件集成，提供建議和預測，也能夠直接進行決策受權，這樣，模型就能夠開發出具備挑戰性的狀況下的解決方案。

同時，這些決策會隨着時間的積累而改進，以得到最大的回報，專家人員能夠對系統進行調整，從而得出一個可行的解決方案。

分層強化學習

另外一項技術，稱爲分層強化學習，主旨是經過將工做負載分解成更簡單的概念(或子概念)，而後單獨訓練，而後再將其組合起來，從而解決問題。

該引擎會自動選擇最佳的算法來訓練模型，鋪設神經網絡並調整其參數。而且該平臺可並行運行多個模擬，以減小訓練時間，經過 Bonsai 提供的庫將訓練好的模型的預測結果流向軟件或硬件。

爲幫助開發者與工程師熟悉 Project Bonsai 的功能，微軟還在本次大會中，首次推出了一個名爲 Project Moab 的實驗平臺。

它是一個開源平衡機器人，具備三個手臂、一個操縱桿控制器，可以讓一顆小球在頂部的透明板上保持平衡。該工具爲用戶提供了一個模擬環境，讓用戶藉助模擬器進行實驗。

從 Bonsai 看微軟的 AI 佈局

正如微軟創立之初的願景「讓每一個人都能從計算機中受益」同樣，微軟也但願每一個人都能從人工智能中受益。

近年來，微軟除了在人工智能技術和工具方面的投入外，還在人工智能工業級應用上加緊佈局。

收購 Bonsai 就是其中一步。

微軟也在 AI 競爭中取得了一席之地，從入門級 ML 平臺，到工業系統的高級 AI 平臺，微軟擁有了全面的 AI 產品組合。

而微軟在本次 Build 大會中指出，Bonsai 項目僅僅是其幫助工業客戶構建自治系統願景的第一步。

參考資料：

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