對(duì)于任何值得加以認(rèn)真對(duì)待的云方案，其都需要滿足用戶對(duì)于功能的不斷追求。機(jī)器學(xué)習(xí)顯然應(yīng)該被列入這份需求清單當(dāng)中，而各大云服務(wù)供應(yīng)商如今也已經(jīng)拿出了自己的答卷。
不過其具體實(shí)現(xiàn)方式則又是另一碼事了。除了“設(shè)計(jì)API對(duì)開放式算法市場(chǎng)”模型，市面上還存在著“涵蓋一切對(duì)夠用就好”這類衍生方案。下面我們將一同了解四大云服務(wù)供應(yīng)商——IBM、微軟、谷歌與Amazon——如何各自實(shí)現(xiàn)機(jī)器學(xué)習(xí)技術(shù)。
IBM:率先起錨，沃森掌舵
自當(dāng)初IBM公司宣布將其沃森AI系統(tǒng)轉(zhuǎn)化為可消費(fèi)服務(wù)以來，相關(guān)問題可謂越來越多。它會(huì)以怎樣的形式體現(xiàn)?客戶如何對(duì)其進(jìn)行消費(fèi)?不過最重要的仍然是，此舉能給IBM的云巨頭發(fā)展之路帶來怎樣的影響?
經(jīng)歷了兩年的時(shí)光與變遷，如今IBM公司已經(jīng)在其Bluemix PaaS之上推出了一整套機(jī)器學(xué)習(xí)服務(wù)組合，具體包括天氣預(yù)報(bào)、語言分析系統(tǒng)、圖像識(shí)別、語言翻譯以及情緒與語調(diào)分析等等。
在全部立足于云環(huán)境交付某種形式的機(jī)器智能方案的廠商當(dāng)中，IBM公司擁有最為可觀的發(fā)展野心。更重要的是，藍(lán)色巨人也一直在努力讓這項(xiàng)高科技成果更接地氣，而其具體體現(xiàn)就是分析與報(bào)告機(jī)制。(正處于發(fā)展中的沃森似乎還在通過一系列戰(zhàn)略性收購(gòu)沖擊其它領(lǐng)域：氣候、醫(yī)療衛(wèi)生以及更多層面。)
目前的問題并不在于沃森服務(wù)是否能夠找到合適的起效平臺(tái)——假以時(shí)日，相信答案會(huì)是肯定的——而在于這些服務(wù)能否在特定領(lǐng)域取得良好進(jìn)展，并幫助IBM找到合適的投入節(jié)奏。目前大部分此類服務(wù)選項(xiàng)都需要慢慢找到適合自己的用例，而IBM方面亦認(rèn)為Spark服務(wù)(或者其最新推出的仿AWS Lambda服務(wù)，OpenWhisk)更容易賺錢。
某些企業(yè)已經(jīng)開始將沃森分析服務(wù)以創(chuàng)造性方式引入業(yè)務(wù)。不過盡管IBM公司明確表示其有信心將沃森發(fā)展為一項(xiàng)年價(jià)值100億美元的業(yè)務(wù)，但擺在其面前的發(fā)展道路仍然非常漫長(zhǎng)——漫長(zhǎng)到令這項(xiàng)營(yíng)收目標(biāo)顯得有些遙不可及。
微軟：由您構(gòu)建、為您構(gòu)建
正如IBM擁有沃森，微軟擁有Oxford項(xiàng)目——這是一整套經(jīng)過精心設(shè)計(jì)的高級(jí)API組合，涵蓋機(jī)器視覺、語音識(shí)別與語言分析。這份API清單并不像沃森那樣廣泛得夸張，但微軟提出的既定目標(biāo)卻與藍(lán)色巨人基本一致：構(gòu)建一套精心設(shè)計(jì)的API，旨在充分發(fā)掘機(jī)器學(xué)習(xí)的潛能。
Azure Machine Learning Studio可能是目前微軟機(jī)器學(xué)習(xí)發(fā)展計(jì)劃中最為重要的組成部分。在這里，人們能夠?qū)胱约旱臄?shù)據(jù)、以此為基礎(chǔ)訓(xùn)練機(jī)器學(xué)習(xí)模型，而后將得到的模型作為API通過REST接口進(jìn)行共享。IBM公司在自家Bluemix上的預(yù)測(cè)性分析服務(wù)中也提供類似的功能，不過微軟的Studio存在時(shí)間更長(zhǎng)且表現(xiàn)得更具泛用性。
IBM與微軟雙方正在努力構(gòu)建兩種不同風(fēng)格的機(jī)器學(xué)習(xí)服務(wù)。一種風(fēng)格在于位居幕后悄悄鼓搗，并主要使用經(jīng)過規(guī)劃的數(shù)據(jù)集與經(jīng)過調(diào)整的行為(沃森API、Oxford項(xiàng)目)，另一種風(fēng)格則作為通用型平臺(tái)，允許各類機(jī)器學(xué)習(xí)服務(wù)以此為基礎(chǔ)實(shí)現(xiàn)構(gòu)建、共享甚至是商業(yè)化(Azure Machine Learning Studio與預(yù)測(cè)性分析服務(wù))。
不過微軟與IBM之間的最大區(qū)別并不在于服務(wù)，而在于動(dòng)機(jī)。微軟公司只是希望通過云業(yè)務(wù)反哺自己的其它業(yè)務(wù)類型——例如游戲業(yè)務(wù)——這意味著其并不像IBM那樣面臨著生存壓力。不過這并不是說微軟正盲目地邁出自己的機(jī)器學(xué)習(xí)發(fā)展步伐。
Amazon與谷歌，支持極簡(jiǎn)主義
如果非要給谷歌與Amazon的云方案總結(jié)出一種指導(dǎo)方針，那就是“少即是多”。也許更準(zhǔn)確的說法應(yīng)該是“夠用就好”，這一點(diǎn)自然也體現(xiàn)在了兩家企業(yè)在所提供的云機(jī)器學(xué)習(xí)服務(wù)身上。
在谷歌方面，谷歌Cloud Platform目前只提供兩項(xiàng)機(jī)器學(xué)習(xí)類服務(wù)：谷歌翻譯(一套API，支持谷歌的現(xiàn)有機(jī)器翻譯引擎)以及谷歌預(yù)測(cè)API。前者是由谷歌完全掌控的內(nèi)部API。而后者盡管名號(hào)不響，但卻屬于一項(xiàng)廣泛的包容性服務(wù)，允許用戶以等同于Azure Machine Learning Studio的方式上傳數(shù)據(jù)與訓(xùn)練模型。(數(shù)據(jù)可以導(dǎo)出自各類谷歌現(xiàn)有服務(wù)，例如谷歌BigQuery。)
Amazon Machine Learning與谷歌預(yù)測(cè)API在模型層面上非常相似，可根據(jù)數(shù)據(jù)實(shí)現(xiàn)訓(xùn)練并被用于預(yù)測(cè)方向。這是一項(xiàng)經(jīng)過刻意簡(jiǎn)化的服務(wù)，這可能是為了面向只希望解決具體特定問題的開發(fā)人員，或者是因?yàn)锳mazon希望首先進(jìn)行市場(chǎng)試水。
對(duì)于Amazon與谷歌來說，雙方的目標(biāo)在于引導(dǎo)開發(fā)人員盡可能簡(jiǎn)化需求定義，并利用已經(jīng)存在于其云環(huán)境中的數(shù)據(jù)——也就是“夠用就好”模式。IBM與微軟則擁有更為遠(yuǎn)大的目標(biāo)，其中IBM的野心最大，當(dāng)然一旦失敗也將面臨最為慘重的損失。
京公網(wǎng)安備 11010502049343號(hào)