Basoglu 说在他们第一次开发该工具箱的时候，他们发现许多开发者不能或不想写大量代码。所以他们创造出一个自定义系统，能让开发者更简单的配置深度学习系统，不需要额外的代码。

然而，随着该系统变得越来越流行，他们了解到一些开发者想将自己的 Python 或 C++ 代码与该工具箱的深度学习能力结合起来。

他们也了解到一些研究人员想要使用该工具箱进行强化学习研究。强化学习是代理通过大量试错直接学习做某些事的一种研究领域，比如在房间中找到线路或合成句子。这类研究可能最终引向真正的人工智能，也就是系统能够自己做复杂的决策。新版本的工具箱就给了开发者做强化学习研究的能力。

尽管 Microsoft Cognitive Toolkit 最初由语音研究员开发，如今却能被用于多种目的。

为了给用户提供更好的结果，Bing relevance 团队使用它更好的发现搜索词条相关的隐藏的链接。

例如，在用户输入「How do you make an apple pie?」的时候，带有深度学习的系统经过训练可自动明白用户在寻找菜谱，即使「recipe」一词并不在搜索词条内。没有这样的系统，这种规则只能手动编程。

Bing relevance 团队的软件开发工程师 Clemens Marschner 说，他们团队和该工具箱的创造者们有着非常紧密的合作，从而更好的让开发者做除了语音之外的深度学习任务。对他们而言，所得的回报就是使用大规模的计算能力快速的获得结果。他说，「没有其他解决方案能让我们这么简单的将学习在 GPU 上扩展到大型数据上。」

微软也在不断使用 Microsoft Cognitive Toolkit 改进语音识别。语音服务部门的应用科学经理 Yifan Gong 说，他们已经使用该工具开发出了更准确的声学模型，atv，应用到了包括 Windows 和 Skype Translator 在内的产品中。

Gong 说他的团队依靠该工具开发新的深度学习架构，包括使用 LSTM 技术来为顾客导出更准确的结果。

©本文由机器之心编译，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]