很長一段時間以來，機器學習都占據著技術圈的熱搜榜。DTCC大會的第二天下午，筆者無意間闖入了機器學習專場，距開始還有半個小時，現場就已經座無虛席了，機器學習的熱度可見一斑!隨意一瞥，筆者便看見了這樣一個議題——《微軟云計算在風電行業的智能化實踐》，微軟、云計算、風電行業，這三個字瞬間燃起了筆者的求知欲，所以這是一個什么樣的故事呢?
　　
　　微軟兩大重點方向——人工智能與邊緣計算
　　
　　劉士君開場便直奔主題——機器學習的意義是什么呢?關于機器學習的定義，或許每個人都有自己的見解和答案，劉士君提出的定義有三點：使用計算機運行算法模型、從海量數據中發掘隱藏規律以及預測未來行為和趨勢。當然，這是學術層面的定義，只有最后落地于具體場景，這事才算得上沒白研究。 　　
　　無意闖入：微軟、云計算與風電行業實踐
　　
　　劉士君舉了一個十分簡單的“信用卡欺詐行為檢測”的事例，當用戶數很少時，人工檢測或許可以應付，當數據爆炸式增長后，人工審核顯然是不合適的。這也表明，隨著大數據時代的到來，人工智能的出現也是必然。
　　
　　劉士君在現場說到機器學習的優勢主要有四點：針對海量數據;很多問題無法通過顯性指令集解決，但機器學習可以解決;效率幾何倍數提高;自我學習、不斷提高。當然，微軟針對機器學習也有自己的產品——Azure Machine Learning Studio，Azure上基于GUI，用于創建和操作機器學習工作流的集成開發環境。如果簡單地用一句話介紹，Azure Machine Learning是一個通過PaaS平臺快速構建機器學習算法供開發者使用的解決方案。其有很多不錯的特點：通過瀏覽器訪問，通過可視化的模塊E2E支持數據流，提供多種ML算法和模型庫，支持R和Python擴展，支持Web API快速部署和伸縮，只需要完成算法，不需要部署環境，具有分類、回歸等模塊。如果感興趣，廣大技術人員可以自行體驗。
　　
　　這部分的最后，劉士君提及微軟今后兩大主要的研發方向集中于邊緣計算與人工智能。邊緣計算部分，劉士君簡單提及會將數據計算能力從云端逐漸推向邊緣化設備。
　　
　　微軟云計算在風電行業的智能化實踐
　　
　　開篇提到，風電行業吸引了我的注意力，為什么這么說呢?因為關于風電行業的智能化案例相比其他行業的曝光度要少一些。來自北京天澤智云科技有限公司的劉宗長對這部分進行了介紹。
　　
　　從痛點出發，劉宗長表示，雖然人工智能技術突飛猛進，但在工業領域的應用仍處于探索階段，還有許多問題需要解決：比如與工業場景中的痛點契合、以機理模型為基礎、對業務場景的深度理解、以為客戶創造價值為最終目標。好，扯遠了，再扯回來!
　　
　　具體到風電行業主要有三大痛點：一是國內目前對風能限電嚴重，風機的實際使用率遠低于國際平均水平，二是風電的度電成本較高 (0.6-0.8元/度)，為煤電的2倍以上，三是運維難度大，停機造成的損失巨大。針對這些問題，天澤智云科技選擇了Wind Insight，Wind Insight 是一個利用預測性分析及AI技術對風電裝備進行智能化運維管理的平臺，其部署在了Azure平臺上，最大的方便就是可以集成Azure的資源，比如用 AML Studio 實現性能分析的建模過程、用 Azure進行性能分析驗證等。最后，基于Azure構建整套系統縮短了80%以上的產品研發周期。
　　
　　這場無意闖入讓筆者對微軟的機器學習技術以及Azure可以提供的整體資源有了一個簡單的了解，具體的功能或許可以請各位技術人士自行測試、評論里互相交流。