云计算的人工智能虽然发展缓慢，但得到更多的关注
随着IT专业人士尝试应用人工智能，许多人将在公有云执行此操作。但是，组织从不断增长的人工智能服务列表中选择，从AWS、Azure和其他厂商中挑选，并不是一件容易的事。
虽然人工智能不再只是在科幻电影中看到，但是该技术对许多企业IT团队来说仍然是陌生的。然而，一个采纳趋势是明确的：公有云将是大多数企业人工智能工作负载的目的地。
调研机构Forrester Research公司首席分析师Rob Koplowitz说：“这并不是说人工智能不会发生在人们的数据中心的企业中，但这是一个主要在云端发生的工作量。”
一些组织将选择在内部部署的数据中心保留人工智能应用程序，特别是那些包含敏感客户数据的应用程序，因为它们对其他工作负载具有严格的安全性或遵从性要求。但是，一般来说，公有云人工智能服务将成为主流模式，Aragon Research公司首席分析师Adrian Bowles对此表示认同。
Bowles表示，云计算是特别适合人工智能的最大原因之一就是实验。因为大多数组织仍在探索机器学习，预测分析或自然语言处理等技术的潜在用途，所以他们希望有一个让他们进行实验的环境，而不需要重大的金融投资或风险。
“目前在公有云使用人工智能的企业中有很大一部分正在使用它作为测试台，这是一种廉价的入门方式，并找出哪些应用程序将适应不同形式的人工智能。”Bowles说。
公有云平台，包括Amazon Web Services(AWS)和Microsoft Azure，允许组织测试不同的机器学习算法，例如，查看他们的数据可能是什么样的。从那里，组织有两个选择：失败或扩大规模。
Bowles说：“如果组织的人工智能应用程序失败了，那么你可以继续前进。 如果它可以扩大规模，那么组织已经处在一个可以快速扩展的地方... 云计算让组织的实验得以实现。”
此外，由于可用的资源范围，组织通常选择公有云进行人工智能部署。
咨询和专业服务机构埃森哲公司人工智能实践全球主管Nicola Morini-Bianzino说：“在云端，更容易实现，组织要从自然语言处理开始，然后，可以将一些数据移动到云端，并决定在计算机视觉中进行不同的操作，只需组织在已创建的基础架构和数据创建之上扩展和使用这些API。”
Koplowitz说，公有云还消除了组织对昂贵的专业硬件投资的需求，这是许多人工智能工作负载所需要的。例如，大多数主要的公有云提供商现在都提供了基于GPU的云实例，这对于计算密集型人工智能工作负载特别有用。
公有云中人工智能的挑战
Morini Bianzino说，当然，任何新兴技术，其中包括人工智能，都给企业带来学习曲线。IT团队可能不需要人工智能部署他们的底层的云计算基础设施的检修，但他们必须以数据为中心的心态，在其他方面发展他们的技能。
对于成功的人工智能部署，IT团队必须磨练他们的数据分析技能，并学习识别大型企业数据集中的某些模式或关系，因为人工智能仅作为企业提供的数据才有价值。
他说：“机器学习算法的价值是组织通过算法推动的数据价值的直接函数。所以如果数据不好，算法也不好。”
Bowles认为，数据分析技能越来越重要，因为IT团队追求机器学习。其部分原因是，随着机器学习，IT系统可以通过接触数据而不是通过重新编程来提高其性能。
医疗保健IT组PA咨询管理顾问Lori Brown说，此外，基础设施管理团队应该设法打破与开发人员之间的障碍。管理人员需要更多了解AI应用程序的构建和使用情况，从基础设施的角度，可以做出更明智的选择。
Brown说：“随着IT团队了解人工智能开发变化的方式，以及对基础设施和消费的影响，他们可以更明智地了解将如何购买公有云服务来支持人工智能。”
人工智能挑战人类的大脑
IT团队面对人工智能应用的另一个重大挑战是如何选择云提供商。随着供应商以令人眼花缭乱的速度发布新的云计算人工智能服务，很难知道该从何着手。
如今行业领先的公有云提供商也已成为主要的人工智能供应商：AWS，Azure，Google和IBM。每个供应商的优势，弱点，以及用例各不相同，但其各自的服务涵盖几个常见的人工智能功能：机器学习，图像识别，自然语言处理和文本到语音功能。而云供应商市场的小众厂商尚未面临挑战。
AWS公司是公有云采用的行业领导者，在2016的第三次发明会议上拉开了基于人工智能服务的序幕。
亚马逊Rekognition为亚马逊图像处理提供了一个平台，亚马逊波利利用深度的学习将文本转化为语音，亚马逊(Amazon) Lex使用与Alexa相同的自动语音识别技术，因此开发人员可以使用语音和文本构建对话界面。集成AWS各种计算，存储，内容交付和开发工具的能力吸引了更多的用户采用亚马逊的人工智能套件。
除在应用程序开发平台受到欢迎之外，广受欢迎的亚马逊Echo智能家居设备还为企业带来了与消费者互动的应用程序。
Koplowitz说：“就像人们以前一样考虑捕捉眼球进行交流的方式一样，如果声音成为与计算机进行交互的一种流行的方式，那么在系统中捕获人们的对话就有很大的价值。去年圣诞节出售了很多亚马逊Echo智能家居设备，人们可以通过该设备进行联系。”
在今年5月初的会议上，微软公司呼吁企业员工使用Microsoft Graph，这项服务可从员工活动中获得洞察力，以提高生产力并规划会议时间，并为项目提供合作伙伴。微软认知服务提供广泛的API，可为人工智能开发人员提供语音，语言，知识，搜索和视觉技术。
微软的Cortana前端的自然语言理解(NLU)数字助理提供另一个面向客户的服务，这主要是针对亚马逊Alexa和Google助手的相应服务，这也吸引了部分行业的企业客户。
因为这些提供商的服务很受欢迎，为客户构建人工系统的独立软件供应商通常转向AWS和Azure云计算人工智能服务。Bowles说：“他们几乎总是在早期提供AWS和Azure，因为他们正在为人工智能创造一个商业模式。”
了解公有云人工智能服务的选择
专家们认为，公有云将成为希望运行人工智能工作负载的企业的游戏规则，但是通过每个供应商的人工智能服务进行梳理，都能发现类似的功能。以下是四大云提供商为企业提供的人工智能服务：
(1)亚马逊网络服务
- Amazon Rekognition：这是一种使用深度学习来检测和比较对象和面部的图像识别服务，为开发人员添加视觉搜索功能和图像分类的功能
- 亚马逊Polly：一种文本到语音服务，可让应用程序了解终端用户语音输入
- 亚马逊Lex：基于Alexa技术提供自动语音识别和自然语言理解，用于开发团队构建对话用户界面，交互式应用程序和识别语音的聊天室
- 亚马逊机器学习：可视化工具可帮助开发人员创建机器学习模型，并根据数据和高级数学算法将预测构建到应用程序中
(2)微软Azure
- 微软的认知服务：基于机器智能实现各种功能的API：自定义搜索功能和实验室，图像和视频处理;用于文本翻译，语言学分析和对话UI的可定制语音和语言模型;API来将数据背景化，构建问题和预测决策
(3)谷歌云平台
- 谷歌云的机器学习引擎：基于Google TensorFlow的服务，使开发人员能够构建复杂的机器学习模型
- 机器学习API：使应用程序具有图像和视频分析、语音到文本转换、语言翻译和文本分析的应用程序的AI功能
(4)IBM Bluemix
- 沃森开发人员云：IBM捆绑沃森工具和API。开发人员可以使用自然语言理解，翻译语言，执行文本和语音分析，从语音转换文本，分析图像并从数据中获取洞察力来构建聊天室。
“数据将会生活在人工智能的核心，”Koplowitz说，“如果组织的数据是其目标，谷歌公司将在组织提供数据的世界中处于特殊地位。”
即使发布了具有挑战性的Google Home智能家居设备，Bowles还没有看到谷歌人工智能的采用率达到其承诺水平，或达到其竞争对手的水平。
他说：“但是在谷歌，组织不想在这一点上用任何东西来计算它们，特别是在像人工智能这样不成熟的领域。”
IBM公司的Bluemix云平台的未来可能取决于其人工智能的采用。 IBM的沃森API开发了典型的机器学习，视觉识别和NLU功能，以及文本和新闻故事的外文翻译和分析。IBM可以在特定行业中细分市场，比如金融服务，H&R Block公司就是其中的人工智能采用者，医疗保健行业也是如此。
Koplowitz表示，IBM没有智能家居设备，以自然的方式接触沃森用户。 “但是有人说，谁会走出去建立一个基于他们的系统的肿瘤服务?”他说。
但不清楚的是，具体的行业需求超过了这些顶级云提供商提供的广泛服务。PA 咨询公司的云专家Jeff Sage说：“有些因素将有助于组织选择其中一个云供应商。”
供应商现在陷入僵局
尽管云计算服务的承诺如此，IBM和Google也必须将企业用户从AWS和Azure吸引到他们的平台上。由于四家服务提供商之间的整体功能平等，个别提供商的独特功能通常适用于有专门需求的企业或开发人员尝试该技术。
Koplowitz说：“AWS公司拥有一个伟大的端点，他们有很好的人工智能服务，这就是在部署其应用程序。”基于事实，他们在应用开发领域已经有了很大的发展势头。
Sage和Brown根据人工智能趋势和个人需求，在客户基础上调整提供者建议，但他们同意大多数新功能不会针对特定供应商。
每个云计算提供商使人工智能成为焦点，如果在人工智能服务中脱颖而出，并且将开发人员吸引到其平台，那么可以很好地将云计算市场转移到其平台上。 Morini-Bianzino说：“未来，云计算的竞争将非常依赖对人工智能的最佳视野。
甚至AWS在云市场的防御可能也不安全，因为其竞争者将人工智能视为打败AWS公司的未来的一个机会。”
“我认为每个人都在寻找市场中松动的砖块下手。”Koplowitz说，“而人工智能就将是那个大锤。”
本文作者：佚名
来源：51CTO
