两年前被微软收购的 Bonsai，成为了 Build 2020 的重要杀器

By 超神经

内容提要：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。

关键词：Build 2020  Bonsai 项目

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://venturebeat.com/2020/05/19/microsoft-launches-project-bonsai-an-ai-development-platform-for-industrial-systems/

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

—— 完 ——

扫描二维码，加入讨论群

获得更多优质数据集

了解人工智能落地应用

关注顶会&论文

回复「读者」了解详情

更多精彩内容（点击图片阅读）