如今,人工智能云服務(wù)已經(jīng)成為超大規(guī)模云計(jì)算提供商的又一戰(zhàn)場,因?yàn)樗鼈兛梢晕龜?shù)據(jù)科學(xué)家和開發(fā)人員在他們的平臺(tái)上培訓(xùn)模型。

如果人工智能是IT技術(shù)的未來的話,那么云計(jì)算供應(yīng)商的云服務(wù)將成為即將到來的應(yīng)用浪潮的前沿和中心。

雖然行業(yè)在人工智能和機(jī)器學(xué)習(xí)(ML)方面不乏炒作,但全球主要的云計(jì)算供應(yīng)商已經(jīng)在這方面積累了一些經(jīng)驗(yàn),并將在未來幾年為他們創(chuàng)造更大的業(yè)務(wù)。

亞馬遜網(wǎng)絡(luò)服務(wù)(AWS)、微軟、谷歌、IBM等公司在過去一年中增加了數(shù)十種云計(jì)算人工智能工具,并且具有不同程度的復(fù)雜性。這些平臺(tái)是否選用這些工作負(fù)載取決于人工智能和機(jī)器學(xué)習(xí)如何適應(yīng)企業(yè)的業(yè)務(wù)戰(zhàn)略。盡管如此,這些云計(jì)算供應(yīng)商已經(jīng)急于填補(bǔ)他們的服務(wù)空白,并讓那些主要以機(jī)器學(xué)習(xí)為業(yè)務(wù)的企業(yè)和那些面臨壓力的、具有一定目標(biāo)和策略但缺乏經(jīng)驗(yàn)的公司能夠接觸到人工智能。

盡管基于云計(jì)算構(gòu)建的基于人工智能的應(yīng)用程序有一些早期的成功案例,但大部分市場仍處于觀望狀態(tài),特別是深度學(xué)習(xí)。調(diào)研機(jī)構(gòu)Gartner公司分析師Chirag Dekate表示,企業(yè)需要對(duì)所采用的技術(shù)進(jìn)行選擇,無論是從頭開始構(gòu)建,還是簡單地集成一些API驅(qū)動(dòng)的云服務(wù)(如語音和圖像識(shí)別)。

“企業(yè)的IT領(lǐng)導(dǎo)者已經(jīng)認(rèn)識(shí)到人工智能的價(jià)值?！彼f,“亞馬遜、谷歌、微軟和其他公司正在對(duì)人工智能技術(shù)投入大量資金,用于內(nèi)部消費(fèi)和基于云計(jì)算的外部消費(fèi),因?yàn)樗麄冎肋@些高級(jí)分析功能將具有巨大的價(jià)值?！?/span>

展望未來,Dekate表示他期望這些提供商在增加人工智能云服務(wù)的功能方面更加積極。目前由于對(duì)人工智能技術(shù)不太熟悉,可能會(huì)影響云計(jì)算供應(yīng)商的業(yè)務(wù),因?yàn)樗麄兿Ｍ麪帄Z客戶,特別是那些想要嘗試人工智能產(chǎn)品的客戶。

總部位于佛羅里達(dá)州坦帕市的移動(dòng)網(wǎng)絡(luò)商Syniverse公司通過與VMware公司的合作將其vRealize協(xié)調(diào)的私有云擴(kuò)展到IBM Cloud和AWS云平臺(tái)。該公司并未使用許多云原生服務(wù),但將其視為平臺(tái)之間潛在的差異化因素。

“我們認(rèn)為一個(gè)很有發(fā)展的領(lǐng)域是人工智能和基于機(jī)器學(xué)習(xí)的工具,這可以使我們能夠快速為客戶創(chuàng)建新的報(bào)告和分析。”Syniverse首席技術(shù)官Chris Rivera說。

從初級(jí)到高級(jí)的人工智能云服務(wù)

云計(jì)算提供商基本上在其平臺(tái)上構(gòu)建了三個(gè)層次的人工智能服務(wù)。最底層的人工智能也是最復(fù)雜的,但可以提供最佳性能,位于基礎(chǔ)設(shè)施層。主要提供云計(jì)算的供應(yīng)商支持流行的框架,如TensorFlow或Apache MXNet以及基于GPU的虛擬機(jī),然后可以提供其他可能的服務(wù)來構(gòu)建和訓(xùn)練模型。

谷歌在日前推出了TensorFlow集成TPU實(shí)例類型的測(cè)試版本,該類型基于定制處理器。

第二層次的人工智能是一個(gè)為數(shù)據(jù)科學(xué)家量身打造的新興空間,但它抽象了大部分底層基礎(chǔ)設(shè)施,并集成了硬件配置和機(jī)器學(xué)習(xí)框架。它將人工智能更好地作為即服務(wù)類別,其中包括IBM Watson,Amazon SageMaker,Microsoft Machine Learning Studio,Google Machine Learning Engine和Google AutoML等工具。

第三層次的人工智能涉及可以集成到現(xiàn)有應(yīng)用程序中的基于API的插件服務(wù)。這些將面向人工智能的應(yīng)用新手,并且所有主要供應(yīng)商都有一些提供認(rèn)知、語音和圖像識(shí)別工具的服務(wù)。

Dekate說:“無論是數(shù)據(jù)科學(xué)家還是建筑師或開發(fā)人員,都試圖開發(fā)一個(gè)基于人工智能的智能應(yīng)用程序,他們基本上都試圖將應(yīng)用程序引入自己的生態(tài)系統(tǒng)?！?/span>

了解云計(jì)算人工智能的優(yōu)點(diǎn)和缺點(diǎn)

然而,由于這些GPU加速節(jié)點(diǎn)需要更多計(jì)算能力,并且訓(xùn)練模型需要大量數(shù)據(jù)進(jìn)行存儲(chǔ)和處理,所以公共云受到了深度學(xué)習(xí)和大量用戶的限制。

“大多數(shù)組織都在試圖通過最大的資本支出來采用人工智能?！彼f,“但是,如果深度學(xué)習(xí)是組織的中流砥柱的話,那么在數(shù)據(jù)中心中建設(shè)就更有意義?！?/span>

深度學(xué)習(xí)對(duì)于圖像識(shí)別和文本分析等特定需求的企業(yè)來說非常有用,但即使深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的創(chuàng)建者也不得不承認(rèn),解決企業(yè)所面臨的更廣泛問題的人工智能并不是解決問題的靈丹妙藥。盡管在內(nèi)部部署數(shù)據(jù)中心開展這項(xiàng)工作有一些成本優(yōu)勢(shì),但重要的是數(shù)據(jù)引力的警告。他說,如果企業(yè)的數(shù)據(jù)已經(jīng)在公共云上運(yùn)行,那么在云端完成這項(xiàng)工作會(huì)更有效,而不會(huì)產(chǎn)生遷移的成本。

總部位于紐約的Alpha Vertex公司在谷歌云平臺(tái)上培訓(xùn)機(jī)器學(xué)習(xí)模型,并將其融入其針對(duì)金融行業(yè)的分析服務(wù)中。如果這些模型整天運(yùn)行在最大的實(shí)例類型中,那么肯定會(huì)面臨成本問題,但該公司已經(jīng)構(gòu)建了基礎(chǔ)設(shè)施,以使用成本更低、規(guī)模更小的虛擬機(jī)和競價(jià)型實(shí)例。在訓(xùn)練分析模型時(shí),它還使用Kubernetes從大約20個(gè)虛擬機(jī)擴(kuò)展到1000多個(gè)虛擬機(jī),這可以避免內(nèi)部資源利用不足的問題。

“采用Kubernetes,就像管理一兩個(gè)人與管理整個(gè)部門的區(qū)別。,”Alpha Vertex公司首席技術(shù)官M(fèi)ichael Bishop說。

企業(yè)通過內(nèi)部遷移這些模型的成本效益分析,始終如一地支持將其留在云端,以保持其技術(shù)領(lǐng)先地位的需要。

“高端GPU的成本相當(dāng)高,并且沒有一個(gè)很好的攤銷生命周期。”Bishop說,“如果企業(yè)依靠大量投入資源來采用這種技術(shù)的話,那么真的很難跟上其發(fā)展的步伐?！?/span>

Zendesk公司構(gòu)建了Answer Bot,它是使用Amazon Simple Storage Service,GPU實(shí)例,TensorFlow,以及Amazon Aurora的客戶虛擬助理。這個(gè)機(jī)器人使用深度學(xué)習(xí)預(yù)測(cè)模型來識(shí)別常見問題,并更快速地回答客戶問題,并提出最佳實(shí)踐。

Answer Bot去年年底在AWS云平臺(tái)上增加了SageMaker服務(wù),這個(gè)在抽象大部分底層基礎(chǔ)設(shè)施管理之前就已經(jīng)問世了,但是Zendesk公司將以自2011年以來使用AWS的相同原因考慮這項(xiàng)服務(wù):卸載底層IT操作,并專注于其核心業(yè)務(wù)。

“任何管理工作都不是真正的數(shù)據(jù)科學(xué)工作?！?Zendesk公司技術(shù)運(yùn)營副總裁Steve Loyd說,“SageMaker的承諾是它可以為用戶提供更多的圍繞TensorFlow構(gòu)建的全套接口和自動(dòng)化功能,并且可以讓用戶以更少的成本實(shí)現(xiàn)更多的目標(biāo)?！?/span>

除了炒作之外,人工智能還需付出努力

Loyd表示,數(shù)據(jù)科學(xué)家不僅建立這些模型,而且還要不斷驗(yàn)證。如果能夠采用工具更好地解決底層基礎(chǔ)設(shè)施問題,數(shù)據(jù)科學(xué)家就有更多時(shí)間調(diào)整其算法。隨著AWS公司和其他云計(jì)算提供商使他們的人工智能工具集更易于使用,機(jī)器學(xué)習(xí)的進(jìn)入門檻將會(huì)繼續(xù)下降,因此從數(shù)據(jù)集中獲取數(shù)據(jù)更容易。

但即使是人工智能用戶也認(rèn)為這不是萬能的,特別是因?yàn)榇蠖鄶?shù)模型的功能相對(duì)簡單。許多公司確信他們需要人工智能技術(shù),但不知道該怎么做。

“人們對(duì)于人工智能最大的誤解之一是,人工智能就像一種煉金術(shù)或是一個(gè)魔術(shù)盒,只要付出和努力,就會(huì)獲得驚人的成果?！盇lpha Vertex公司的Bishop說,“但獲得高質(zhì)量的結(jié)果非常困難,我認(rèn)為人們不會(huì)完全理解這一點(diǎn)?！?/span>

盡管如此,他們警告說放棄人工智能只是因?yàn)槌醋鞯慕Y(jié)果與現(xiàn)實(shí)不符。Dekate指出,比云計(jì)算供應(yīng)商的人工智能技術(shù)更重要的是,企業(yè)如何整合這些技術(shù)并加速他們自己的創(chuàng)新。那些成功的企業(yè)比較務(wù)實(shí),在數(shù)據(jù)和基礎(chǔ)設(shè)施管理方面擁有良好的基礎(chǔ)。

“每個(gè)組織都將需要有一個(gè)人工智能策略,”他說,“采用機(jī)器學(xué)習(xí)和人工智能是一個(gè)長期的事情,但現(xiàn)在必須參與其中,這樣企業(yè)才能在競爭中領(lǐng)先?！?/span>