След като вече знаем, че Терминаторите няма да ни вземат, е време да се сприятелим с изкуствения интелект и да се възползваме от него!
Дълго време областта на изкуствения интелект и нейната най-известна поддисциплина, машинното обучение, бяха заобиколени от мистериозна аура. Машините на пропагандната преса изпомпваха статия след статия, предсказвайки възхода на супер-интелигентни, супер-независими и супер-зли машини, карайки мнозина да изпаднат в отчаяние (включително и мен).
И какво имаме да покажем днес срещу целия този шум и дим? AI технология, която далеч не е съвършена, смущаваща грешкии ограничен, неработещ робот, който беше почти насила превърнат в a гражданин. По дяволите, ние дори все още нямаме приличен алгоритъм за превод на език.
Ако днес някой все още настоява, че Страшният съд е близо, ето моята реакция:
И така, какво е AI, ML и всички тези модни думи, ако не краят на човечеството?
Е, това са нови начини за програмиране на компютър за решаване на проблемите, свързани с класификацията и прогнозирането. И познайте какво, най-накрая имаме много AI услуги, които можете да започнете да използвате веднага във вашето бизнес приложение и да извлечете огромни ползи.
Какво могат да направят AI платформите за бизнеса днес?
Добър въпрос!
Изкуственият интелект е толкова общ в своето приложение (поне на теория), че би било невъзможно да се посочи целта, за която е разработен. Все едно да питате за какво е разработена електронна таблица и какво може да се направи с нея. Разбира се, той е разработен за счетоводство, но днес далеч надхвърля тази отговорност. И счетоводството не е единствената функция – хората го използват като инструмент за управление на проекти, като списък със задачи, като база данни и какво ли още не.
Същото важи и за AI.
Грубо казано, AI е полезен за задачи, които са свободно дефинирани и разчитат на учене от опита. Да, това правят и хората, но AI има предимство, тъй като може да обработва планини от данни за нула време и да стига до заключения много, много по-бързо. Като такива, някои от типичните приложения на AI са:
- Разпознаване на лица в снимка, видео и др
- Класифициране и маркиране на изображения, например, за родителски съвет
- Преобразуване на реч в текст
- Откриване на обект в медиите (напр. кола, жена и др.)
- Прогноза за движението на цените на акциите
- Откриване на финансиране на тероризъм (сред милиони транзакции на ден)
- Системи за препоръки (пазаруване, музика, приятели и др.)
- Разбиване на Captcha
- Филтриране на спам
- Откриване на проникване в мрежа
Мога да продължа безкрайно и вероятно ще ми свършат страниците (образно казано), но предполагам, че сега схващате идеята. Всичко това са примери за проблеми, които хората са се борили да решат чрез традиционните средства за изчисление. И все пак те са важни, тъй като имат огромна нужда в бизнеса и реалния свят.
Така че, без повече шум, нека започнем със списъка на нашите най-добри AI платформи и да видим какво могат да предложат.
Съдържание
Услуги на Amazon AI
Точно както Amazon бързо изважда компаниите от бизнеса, така и AWS е толкова доминираща като платформа, че почти нищо друго не идва на ум. Същото се отнася и за Услуги на Amazon AIкойто е пълен с невероятно полезни AI услуги.
Ето някои от умопомрачителните услуги, които AWS предлага.
Amazon Comprehend: Помага ви да разберете цялата планина от текстови, неструктурирани данни, които имате. Един от случаите на използване е копаене на съществуващи чатове за поддръжка на клиенти и установяване какви са били нивата на удовлетвореност във времето, какви са основните притеснения на клиента, какви ключови думи се използват най-често и т.н.
Прогноза на Amazon: Услуга с нулева настройка за използване на вашите съществуващи данни от времеви серии и превръщането им в точни прогнози за бъдещето. В случай, че се чудите какво представляват данните от времеви серии, погледнете тази статия, която написах наскоро (потърсете база данни, наречена Timescale, към края на статията).
Amazon Lex: Изградете разговорни интерфейси (текстови и/или визуални) във вашите приложения. Зад кулисите работят обучените модели на Amazon Machine Learning, които декодират намерение и преобразуват реч в текст в движение.
Amazon Personalize: Проста и без инфраструктура услуга за създаване на препоръки за вашите клиенти или за себе си! Можете да въвеждате данни за електронна търговия или почти всичко в тази услуга и да се наслаждавате на изключително точни и интересни предложения. Разбира се, колкото по-голям е наборът от данни, толкова по-добри ще бъдат препоръките.
Има много повече AI услуги, които Amazon предлага, и бихте могли почти да прекарате целия ден, разглеждайки ги. Въпреки това, това е дейност, която горещо препоръчвам! 🙂
Забележка: Трудно е да намерите обобщение на всички тези услуги заедно в документите на AWS, но ако отидете на https://aws.amazon.com/machine-learning, те са изброени в падащото меню под „AI Services“.
TensorFlow
TensorFlow е библиотека (а също и платформа), създадена от екипа зад Google мозък. Това е внедряване на поддомейна на ML, наречен Deep Learning Neural Networks; с други думи, TensorFlow е идеята на Google за това как да се постигне машинно обучение с невронни мрежи, използвайки техниката на задълбочено обучение.
Сега това означава, че TensorFlow разбира се не е единственият начин за използване на невронни мрежи — има много библиотеки, всяка със своите плюсове и минуси.
Като цяло TensorFlow ви позволява наличните възможности за машинно обучение за много различни среди за програмиране. Въпреки това основната платформа е доста визуална и разчита най-вече на графики и визуализации на данни, за да свърши работата. Като такъв, дори и да не сте програмист, е възможно с известно усилие да получите добри резултати от TensorFlow.
В исторически план TensorFlow беше насочен към „демократизиране“ на машинното обучение. Доколкото знам, това беше първата платформа, която направи ML прост, визуален и достъпен до такава степен. В резултат на това използването на ML експлодира и хората успяха лесно да обучават модели.
Най-важната точка за продажба на TensorFlow е Керас, която е библиотека за ефективна програмна работа с невронни мрежи. Ето колко лесно е да създадете проста, напълно свързана мрежа (перцептрон):
model = tf.keras.Sequential() # Adds a densely-connected layer with 64 units to the model: model.add(layers.Dense(64, activation='relu')) # Add another: model.add(layers.Dense(64, activation='relu')) # Add a softmax layer with 10 output units: model.add(layers.Dense(10, activation='softmax'))
Разбира се, конфигурация, обучение и т.н. също трябва да се направят, но те също са еднакво прости.
Трудно е да се намери грешка в TensorFlow, като се има предвид, че той пренесе ML в JavaScript, мобилни устройства и дори IoT решения. Въпреки това, в очите на пуристите, това остава „по-малка“ платформа, с която всеки Том, Дик и Хари може да се забърква. Така че, бъдете готови да се сблъскате с известна съпротива, докато се придвижвате нагоре по стълбата на уменията и срещате повече „просветени“ души. 🙂
Ако сте начинаещ, вижте това Онлайн курс за въведение в TensorFlow.
Също така имайте предвид: Някои критики към TensorFlow споменават, че не може да използва графични процесори, което вече не е вярно. Днес TensorFlow не само работи с GPU, но Google разработи единствения си специализиран хардуер, наречен TPU (TensorFlow Processing Unit), който се предлага като облак обслужване.
Услуги на Google AI
Точно като услугите на Amazon, Google също има пакет от облак услуги въртящи се около AI. Ще се въздържа от изброяване на всички услуги, тъй като те са доста подобни на предложенията на Amazon. Ето екранна снимка на това, което разработчиците могат да създадат, ако се интересуват:
В общи линии има два начина, по които можете да използвате услугите на Google за изкуствен интелект. Първият е да използвате вече обучен от Google модел и просто да започнете да го прилагате във вашите продукти. Вторият е т.нар AutoML услуга, която автоматизира няколко междинни етапа на машинното обучение, като помага, да речем, на разработчиците на пълен стек с по-малък опит в ML да изграждат и обучават модели лесно.
H2O
Предполага се, че „2“ в H2O е долен индекс (наподобяващ химическата формула за вода, предполагам), но е досадно да го изписвате. Надявам се хората отзад H2O няма да има нищо против!
H2O е платформа с отворен код за машинно обучение, която се използва от големи имена, включени в Fortune 500.
Основната идея е авангардни изследвания на ИИ да достигнат до широката публика, вместо да останат в ръцете на компании с дълбоки джобове и ливъридж. Под платформата H2O се предлагат няколко продукта, като например:
- H2O: Основната платформа за изследване и използване на машинно обучение.
- Газирана вода: Официална интеграция с Apache Spark за големи набори от данни.
- H2O4GPU: GPU-ускорена версия на платформата H2O.
H2O също прави решения, пригодени за предприятието, и те включват:
- AI без шофьор: Не, AI без шофьор няма нищо общо със самоуправляващите се автомобили! 🙂 Това е повече в линията на предложението на Google AutoML — повечето от етапите на AI/ML са автоматизирани, което води до инструменти, които са по-прости и по-бързи за разработка.
- Платена поддръжка: Като предприятие нямате търпение да повдигнете проблеми с GitHub и да се надявате скоро да получите отговор. Ако времето е пари, H2O предлага платена поддръжка и консултации за големи компании.
Петуум
Petuum развива на Симфония платформа, която е проектирана да не ме кара да мисля, че AI работи. С други думи, ако сте уморени от кодиране и/или не искате да запаметявате повече библиотеки и изходни формати, Symphony ще се почувства като ваканция в Алпите!
Въпреки че няма нищо „отворено“ в платформата Symphony, функциите си заслужават да се замислят:
- Потребителски интерфейс с плъзгане и пускане
- Лесно изграждане на интерактивни канали за данни
- Тонове стандартизирани и модулни градивни елементи за създаване на по-сложни AI приложения
- Програмирането и API интерфейсите, които усещат визуалния начин, не са достатъчно мощни
- Автоматизирана оптимизация с GPU
- Разпределена, силно мащабируема платформа
- Агрегиране на данни от множество източници
Има много повече функции, които наистина ще ви накарат да почувствате, че бариерата за навлизане е значително намалена. Силно препоръчително!
Полиаксон
Най-голямото предизвикателство днес в машинното обучение и изкуствения интелект не е да се намерят добри библиотеки и алгоритми (или дори ресурси за обучение), а квалифицираното инженерство, което трябва да се приложи, за да се справят с огромните системи и високите натоварвания на данни, които произтичат.
Дори за опитни софтуерни инженери това може да бъде твърде голямо изискване. Ако и ти се чувстваш така, Полиаксон заслужава си да се види.
Polyaxon не е библиотека или дори рамка; по-скоро това е цялостно решение за управление на всички аспекти на машинното обучение, като например:
- Връзки за данни и стрийминг
- Хардуерно ускорение
- Контейнеризация и оркестрация
- График, съхранение и сигурност
- Конвейерна обработка, оптимизация, проследяване и др.
- Табло за управление, API, визуализации и др.
До голяма степен е агностик на библиотеката и доставчика, тъй като се поддържа голям брой популярни (с отворен и затворен код) решения.
Разбира се, все още трябва да се справите с внедряването и мащабирането на определено ниво. Ако искате да избягате дори от това, Polyaxon предлага PaaS решение, което ви позволява да използвате тяхната инфраструктура еластично.
DataRobot
Просто казано, DataRobot е фокусирано решение за машинно обучение за предприятието. Той е визуален докрай и е проектиран да осмисля бързо вашите данни и да ги използва за конкретна бизнес употреба.
Интерфейсът е интуитивен и елегантен, което позволява на неспециалисти да седнат зад воланите и да генерират значими прозрения.
DataRobot няма множество функции; вместо това, той се фокусира върху традиционното усещане за данни и предоставя солидни възможности в:
- Автоматизирано машинно обучение
- Регресия и класификация
- Времеви редове
Най-често това е всичко, от което се нуждаете за вашето предприятие. Тоест в повечето случаи DataRobot е всичко, от което се нуждаете. 🙂
NeuralDesigner
Докато сме на тема лесни за използване, мощни AI платформи, NeuralDesigner заслужава специално споменаване.
Няма какво да се каже за NeuralDesigner, но има какво да се направи! Като се има предвид, че невронните мрежи повече или по-малко доминират в съвременната методология за машинно обучение, има смисъл да се работи с платформа, която се фокусира единствено върху невронните мрежи. Без много възможности за избор, без разсейване — качеството пред количеството.
NeuralDesigner превъзхожда по много начини:
- Не се изисква програмиране. Изобщо.
- Не е необходимо изграждане на сложен интерфейс. Всичко е изложено в разумни, лесни за разбиране, подредени стъпки.
- Колекция от най-модерните и усъвършенствани алгоритми, специфични за невронните мрежи.
- CPU паралелизиране и GPU ускорение за висока производителност.
Струва си виж? Определено!
Prevision.io
Pervision.io е платформа за управление на всички аспекти на машинното обучение, направо от обработката на данни до внедряването в мащаб.
PredictionIO
Ако сте разработчик, PredictionIO е невероятно полезно предложение, което трябва да разгледате. В основата си PredictionIO е платформа за машинно обучение, която може да приема данни от вашето приложение (уеб, мобилно или друго) и бързо да създава прогнози.
Не се заблуждавайте от името — PredictionIO не е само за прогнози, но поддържа пълния спектър от машинно обучение. Ето няколко страхотни причини да го обичате:
- Поддръжка за класификация, регресия, препоръки, НЛП и какво ли още не.
- Създаден за справяне със сериозни натоварвания в среда с големи данни.
- Няколко предварително изградени шаблони за тези, които бързат.
- Предлага се в комплект с Apache Spark, MLlib, HBase, Akka HTTP и Elasticsearch, отговарящи на всяка възможна нужда от стабилно, модерно приложение.
- Комбинирано поглъщане на данни от множество източници, независимо дали в пакетен режим или в режим на реално време.
- Внедрена като типична уеб услуга — лесна за използване и захранване.
За повечето уеб проекти там не виждам как PredictionIO няма много смисъл. Продължете и опитайте!
Заключение
Днес няма недостиг на AI и ML рамка или платформа; Бях затрупан с избор, когато започнах да проучвам за тази статия. В резултат на това се опитах да стесня този списък до уникалните или интересни. Ако смятате, че съм пропуснал нещо важно, моля, уведомете ме.
Coursera получих някои от страхотните курсове за машинно обучение, така че вижте, ако се интересувате от обучение.
И така, коя платформа е най-добрата? За съжаление, няма ясен отговор. Една от причините, поради която повечето от тези услуги са обвързани с конкретен стек от технологии или екосистема (най-вече изграждане на това, което се нарича оградена градина). Другата, по-важна, причина е, че досега AI и ML технологиите са комодитизирани и има надпревара за предоставяне на възможно най-много функции на възможно най-ниска цена. Никой продавач не може да си позволи да не предлага това, което другите предлагат, и всяко ново предложение се копира и обслужва от конкурентите почти за една нощ.
Като такова, всичко се свежда до това какъв е вашият стек и цели, колко интуитивна намирате услугата, какво е вашето възприятие за компаниите зад нея и т.н.
Но какъвто и да е случаят, разбира се, че AI най-накрая е наличен като услуга и би било изключително неразумно да не се използва. 🙂