Искусственный интеллект и машинное обучение стали модными словечками, и каждый сектор по всему миру борется за внедрение ИИ / машинного обучения в свой рабочий поток. Количество стартапов в области искусственного интеллекта увеличилось в 14 раз за последние два десятилетия (Источник: Forbes).
По мере того, как продукты ИИ становятся массовыми, очень важно четко определить предлагаемые продукты ИИ как для людей, создающих эти продукты, так и для потребителей этих продуктов. Хороший способ подумать о различных продуктах и услугах AI / ML - это их соответствие различным уровням программного стека.
В этой статье я хотел бы подробно остановиться на каждом из этих уровней и на некоторых примерах продуктов на рынке, которые попадают на каждый из этих уровней.
- Инфраструктура искусственного интеллекта / машинного обучения как услуга. Компании, предлагающие аппаратную инфраструктуру, необходимую для запуска приложений машинного обучения, попадают в сегмент инфраструктуры как услуги. По мере того, как все больше и больше компаний переходят к моделям, основанным на глубоком обучении, обычные машины с ЦП недостаточно хорошо оснащены для удовлетворения вычислительных потребностей и требуют мощных машин с графическим процессором, настроенных для выполнения высокопроизводительных вычислений для приложений ИИ.
Помимо графических процессоров, квантовый компьютер является новым игроком в этой сфере, который пытается повысить скорость обработки данных, необходимую для приложений искусственного интеллекта.
Примеры: машины Nvidia с графическим процессором, сервисы AWS / Azure / GCP с графическим процессором - Платформа AI / ML как услуга: следующий уровень, который достиг значительной зрелости за последние несколько лет в платформе AI / ML как услуги. Эти платформы предлагают набор предварительно созданных алгоритмов машинного обучения, таких как классификация, кластеризация, прогнозирование и т. Д., Объединенных вместе, чтобы помочь специалистам по данным и инженерам машинного обучения создавать приложения для машинного обучения.
Примеры: Scikit-learn, H2O.ai, Tensorflow, Pytorch, Amazon Sagemaker и т. д. - Данные AI / ML (прогнозирование) как услуга: данные как услуга / прогнозирование как услуга - это наиболее распространенный продукт в компаниях, которые владеют огромными объемами данных и предоставлять выходные данные своих двигателей ИИ в качестве услуги.
Примеры: кредитная оценка Experian, оценка мошенничества со стороны компаний, выпускающих кредитные карты, и т. д. - Рекомендация как услуга на основе машинного обучения: компании, у которых есть множество продуктов и услуг, предлагают рекомендации по продуктам в качестве основного продукта, чтобы помочь клиентам ориентироваться в их ассортименте.
Примеры: рекомендации по продуктам Amazon, рекомендации пользователей LinkedIn и т. Д. - Решение как услуга: Службы принятия решений - это полноценные программные приложения, сочетающие системы на основе правил с прогнозами и рекомендациями на основе машинного обучения для частичной или полной автоматизации процесса принятия решений.
Если вы можете подумать о каких-либо продуктах AI / ML, которые не вписываются ни в один из этих уровней, поделитесь своими мыслями в комментариях ниже.