微软Office、Xbox和Azure等服务背后的AI推手机器学习引擎Infer.NET开源了

微软

微软现在于GitHub上以MIT授权，开源Office、Xbox和Azure中许多微软产品中使用的机器学习引擎Infer.NET，这是一个基于模型的机器学习框架，早在2008年就被开发来用在学术研究上，而现在则被用在加持Azure云端服务上。

Infer.NET的发展历史悠久，微软在2004年开始发展这个框架，摸索可扩展和可解释的机器学习解决方案，在2008年时，Infer.NET被发布成为学术研究的工具，而后有数百篇论文都使用该框架，进行讯息检索以及医疗保健等领域研究上，甚至在2012年，于流行病学、疾病遗传学和流行病学上获得人类专利奖。而该框架后来逐渐成为Office、Xbox和Azure中许多微软产品背后的机器学习引擎。而微软游戏玩家配对系统TrueSkill 2，就是以Infer.NET实作，在游戏Halo 5和Gears of War 4中处理了数百万场的比赛。

Infer.NET团队的工程负责人Yordan Zaykov表示，和其他框架不同的地方是，Infer.NET是一个基于模型的机器学习方法，能够方便开发者将领域知识合併到模型中，藉由框架就能直接为该模型量身打造出机器学习演算法，也就是说Infer.NET并非要将使用者的问题映射到已经存在的学习演算法，而是能基于使用者提供的模型建构出订製的学习演算法。

而基于模型的机器学习其中一个优点便是具有可解释性，当使用者设计了模型，并且由Infer.NET框架以该模型建立了学习演算法，像是在特定行为的运作逻辑或是进行某些预测时，则使用者更能理解系统运作的方式，Yordan Zaykov认为，机器学习逐渐进入人们的生活中，因此理解和解释机器学习系统的行为变得越来越重要。另外，基于模型的机器学习，也适用于解决特殊资料特徵的问题，能被用来处理即时资料、异构资料、资料不足、未标记的资料、资料缺失或是存在已知偏差的资料。

在Infer.NET中，是以机率程式（Probabilistic Program）的方式描述模型，Yordan Zaykov表示，这是一个强大的概念，可以用于描述机器理解真实世界程序的概念。Infer.NET会将机率程式编译成高效能程式码，用于实现确定性近似贝叶斯推断（Bayesian inference）的应用，而这个方法拥有高度的可扩展性， 微软将其用在能从数十亿网页中，自动萃取知识的系统中。

英国剑桥的微软研究院现在将Infer.NET开源，希望透过与社群合作进一步发展框架，而目前Infer.NET也开始和ML.NET进行整合，包括在.NET基金会下设置储存库，并将套件以及空间命名移动到Microsoft.ML.Probabilistic，Infer.NET将会帮助ML.NET进行统计建模以及线上学习方面。