在日本豐收的季節(jié)，一些農(nóng)民每天花大量時(shí)間將農(nóng)場(chǎng)的黃瓜分成不同的類別，而這是一些人決定采用自動(dòng)化實(shí)施這種沉悶而耗時(shí)的工作原因之一。盡管他們不是機(jī)器學(xué)習(xí)專家，但他開始使用谷歌公司熱門的開源機(jī)器學(xué)習(xí)框架Tensor Flow，并開發(fā)了一種深度學(xué)習(xí)模型，可根據(jù)大小、形狀和其他屬性對(duì)黃瓜進(jìn)行分類。這個(gè)系統(tǒng)并不完美(其準(zhǔn)確率約為75%)。但這是人工智能在規(guī)模較小的家族企業(yè)也能很快轉(zhuǎn)型的一個(gè)標(biāo)志。

[[229334]]

像谷歌、亞馬遜、微軟、蘋果和Facebook這樣的行業(yè)巨頭當(dāng)然非常了解這種變革力量。深度學(xué)習(xí)支撐著亞馬遜的推薦系統(tǒng)、谷歌公司的搜索和翻譯工具、微軟公司的Cortana個(gè)人助理，以及許多其他廣泛使用的應(yīng)用程序和服務(wù)。大多數(shù)財(cái)富500強(qiáng)公司也有專門的人工智能團(tuán)隊(duì)。但是這些廠商對(duì)人工智能的興趣已經(jīng)網(wǎng)羅了大量的數(shù)據(jù)科學(xué)家的陣營(yíng)，這使得大多數(shù)中小型企業(yè)渴望探索人工智能如何改善其業(yè)務(wù)，但缺乏專業(yè)知識(shí)。

即使那些有能力聘請(qǐng)頂級(jí)人工智能專家的企業(yè)仍然需要準(zhǔn)備大量的數(shù)據(jù)集，并花費(fèi)大量的計(jì)算能力來(lái)分析它們，并教他們的神經(jīng)網(wǎng)絡(luò)識(shí)別某些模式或?qū)ο?。但是，大型云?jì)算提供商意識(shí)到這些問(wèn)題，他們相信已經(jīng)找到了幫助人們克服這些問(wèn)題的方法。

機(jī)器學(xué)習(xí)即服務(wù)或云計(jì)算人工智能現(xiàn)在是AmazonWebServices(AWS)、MicrosoftAzure、GoogleCloud和IBMCloud等云計(jì)算平臺(tái)的主要組件。從本質(zhì)上來(lái)說(shuō)，這些企業(yè)提供的工作是通過(guò)為其客戶提供預(yù)訓(xùn)練的深度學(xué)習(xí)模型(用于圖像識(shí)別)以及簡(jiǎn)化構(gòu)建、培訓(xùn)和部署過(guò)程的工具云上的模型。

“有些數(shù)據(jù)科學(xué)家知道如何采用編碼的工具，有些軟件開發(fā)人員可能不知道如何正確調(diào)整算法，但是如果向他們提供API以進(jìn)行編碼，誰(shuí)都可以構(gòu)建應(yīng)用程序，最后還有點(diǎn)擊者的工具，這些工具基本上通過(guò)圖形用戶界面(GUI)相互關(guān)聯(lián)，涵蓋了世界上絕大多數(shù)人，SkyCype公司的首席執(zhí)行官ChrisNicholson說(shuō)。該公司為企業(yè)提供深度學(xué)習(xí)工具。

微軟Azure MLStudio，AmazonSage Maker，Google Cloud ML Engine都是類似的平臺(tái)，它們更接近數(shù)據(jù)科學(xué)家的終端，幫助深度學(xué)習(xí)專家大規(guī)模地培訓(xùn)、優(yōu)化和部署他們的模型。而Amazon Rekognition和谷歌翻譯等API則是以預(yù)訓(xùn)練模型為基礎(chǔ)構(gòu)建的API：用戶只需輸入想要分析的公用對(duì)象或需要翻譯的文本的數(shù)據(jù)圖像或視頻，然后等待API提供結(jié)果即可。

后一種方法的問(wèn)題在于，深度學(xué)習(xí)通常用于解決特定的業(yè)務(wù)問(wèn)題，而預(yù)訓(xùn)練模型可能無(wú)法解決。換句話說(shuō)，如果想讓它識(shí)別不同類型的黃瓜，那么采用可以識(shí)別不同品種的小貓的API是沒(méi)有用的。

“他們說(shuō)：‘嘿，我們發(fā)現(xiàn)了一堆數(shù)據(jù)，我們訓(xùn)練了一個(gè)模型，現(xiàn)在可以用它來(lái)預(yù)測(cè)圖像。'”Nicholson說(shuō)，“但這是一個(gè)錯(cuò)誤的解決方案在這個(gè)意義上，如果用戶想定制這個(gè)解決方案，在其自己的數(shù)據(jù)上訓(xùn)練一個(gè)模型仍然是非常困難和必要的。”

為了彌合高度定制的神經(jīng)網(wǎng)絡(luò)與基本的“一勞永逸”預(yù)訓(xùn)練模型之間的差距，谷歌公司最近推出了CloudAutoML，該系統(tǒng)使用客戶數(shù)據(jù)自動(dòng)構(gòu)建自定義深度學(xué)習(xí)模型。CloudAutoMLVision是新服務(wù)的第一個(gè)版本，它允許用戶通過(guò)拖放界面創(chuàng)建用于圖像識(shí)別的定制機(jī)器學(xué)習(xí)模型。

過(guò)去幾個(gè)月，幾家公司一直在測(cè)試Cloud Auto ML。例如，迪斯尼公司已經(jīng)使用該工具開發(fā)了一種方法，讓顧客可以在其商品中搜索特定的迪士尼角色，即使產(chǎn)品未貼上角色名稱標(biāo)簽。而企業(yè)仍然需要為Auto ML服務(wù)準(zhǔn)備自己的數(shù)據(jù)，但是，這對(duì)于一些企業(yè)可能會(huì)造成問(wèn)題。

“有很多特定于組織的數(shù)據(jù)，比如他們?nèi)绾翁幚戆l(fā)票或他們?nèi)绾芜M(jìn)行客戶檢查等。”Nicholson說(shuō)，“對(duì)于收集這些數(shù)據(jù)的組織來(lái)說(shuō)，這仍然是一個(gè)挑戰(zhàn)，因?yàn)楹芏嘟M織首先并沒(méi)有真正掌握他們的數(shù)據(jù)。”

谷歌公司的云計(jì)算業(yè)務(wù)位居AWS和微軟Azure之后，名列第三位，因此谷歌公司試圖利用其人工智能專業(yè)知識(shí)贏得更多客戶并不奇怪。但考慮到培訓(xùn)和部署深度學(xué)習(xí)模型所需的計(jì)算資源，所有主要云計(jì)算供應(yīng)商都愿意為此目的租用芯片。

隨著企業(yè)對(duì)人工智能的興趣增加，機(jī)器學(xué)習(xí)工具無(wú)疑將被視為任何云計(jì)算服務(wù)的重要組成部分。事實(shí)上，IDC預(yù)測(cè)，到2021年，75%的商業(yè)企業(yè)應(yīng)用程序?qū)⑹褂萌斯ぶ悄堋?ldquo;因此，企業(yè)需要提供這些類型的功能，就像他們需要提供容器功能或監(jiān)控服務(wù)一樣。”IDC公司認(rèn)知/人工智能系統(tǒng)和內(nèi)容分析研究的研究總監(jiān)Dave Schubmehl說(shuō)。

但在企業(yè)急于部署深度學(xué)習(xí)工具之前，他們應(yīng)該停下來(lái)考慮是否存在使用它們的明確商業(yè)案例。“人們正在以一種非常具體的方式使用深度學(xué)習(xí)來(lái)解決一個(gè)非常具體的問(wèn)題。”Nicholson說(shuō)，“那些不能確定他們想要解決的具體問(wèn)題的企業(yè)不太可能成功。”