Nyní, když víme, že Terminátoři si nás nepřijdou získat, je čas se spřátelit s umělou inteligencí a těžit z ní!
Po dlouhou dobu byla oblast umělé inteligence a její nejznámější dílčí disciplína, strojové učení, obklopena tajemnou aurou. Propagandistická tisková mašinérie cpala článek za článkem, který předpovídal vzestup superinteligentních, supernezávislých a superzlých strojů, takže mnozí propadli zoufalství (včetně mě).
A co máme dnes ukázat za všechen ten hluk a kouř? Technologie AI, která má k dokonalosti daleko, je trapná chybya omezený, nefunkční robot, který byl téměř násilím přeměněn na a občan. Sakra, ještě nemáme ani slušný jazykový překladový algoritmus.
Pokud dnes někdo stále trvá na tom, že se blíží soudný den, tady je moje reakce:
Co je tedy AI, ML a všechna ta buzzwords, když ne konec lidstva?
To jsou nové způsoby programování počítače pro řešení problémů souvisejících s klasifikací a predikcí. A hádejte co, konečně máme mnoho služeb umělé inteligence, které můžete okamžitě začít používat ve své podnikové aplikaci a těžit z obrovských výhod.
Co dnes mohou platformy umělé inteligence udělat pro podniky?
Dobrá otázka!
Umělá inteligence je ve své aplikaci tak obecná (alespoň teoreticky), že by bylo nemožné poukázat na účel, pro který byla vyvinuta. Je to jako ptát se, k čemu byla tabulka vyvinuta a co s ní lze dělat. Jistě, byl vyvinut pro účetnictví, ale dnes tuto odpovědnost daleko přesahuje. A účetnictví není jedinou funkcí – lidé ho používají jako nástroj pro řízení projektů, jako seznam úkolů, jako databázi a co ne.
To samé platí s AI.
Zhruba řečeno, AI je užitečná pro úkoly, které jsou volně definované a spoléhají na učení ze zkušeností. Ano, to je to, co lidé také dělají, ale AI má výhodu, protože dokáže zpracovat hory dat během okamžiku a dospět k závěrům mnohem, mnohem rychleji. Některé z typických aplikací AI jako takové jsou:
- Detekce tváří na fotografii, videu atd
- Klasifikace a označování obrázků, například pro účely poradenství pro rodiče
- Převod řeči na text
- Detekce objektů v médiích (např. auto, žena atd.)
- Predikce pohybu cen akcií
- Odhalování financování terorismu (mezi miliony transakcí denně)
- Systémy doporučení (nakupování, hudba, přátelé atd.)
- Rozbití captcha
- Filtrování spamu
- Detekce narušení sítě
Mohl bych pokračovat dál a dál a pravděpodobně mi dojdou stránky (obrazně řečeno), ale teď už asi chápete. To vše jsou příklady problémů, které se lidé snažili vyřešit tradičními prostředky výpočetní techniky. A přesto jsou důležité, protože v podnikání a reálném světě mají obrovskou potřebu.
Začněme tedy bez dalších okolků seznamem našich nejlepších platforem umělé inteligence a podívejme se, co mohou nabídnout.
Table of Contents
služby Amazon AI
Stejně jako Amazon rychle vyřazuje společnosti z provozu, tak je AWS jako platforma tak zcela dominantní, že téměř nic jiného nenapadá. Totéž platí s služby Amazon AIkterá je plná neuvěřitelně užitečných služeb umělé inteligence.
Zde jsou některé z ohromujících služeb, které AWS má.
Amazon Comprehend: Pomáhá vám pochopit všechny ty hory textových, nestrukturovaných dat, které máte. Jedním z případů použití je dolování stávajících chatů zákaznické podpory a zjišťování, jaká byla úroveň spokojenosti v průběhu času, jaké jsou hlavní obavy zákazníka, jaká klíčová slova se nejčastěji používají atd.
Amazon Forecast: Služba nulového nastavení pro použití vašich stávajících dat časových řad a jejich přeměnu na přesné předpovědi pro budoucnost. V případě, že vás zajímá, co jsou data časových řad, podívejte se na tento článek, který jsem napsal nedávno (hledejte databázi s názvem Timescale ke konci článku).
Amazon Lex: Zabudujte do svých aplikací konverzační rozhraní (textové a/nebo vizuální). V zákulisí běží trénované modely strojového učení Amazonu, které dekódují záměr a převádějí převod řeči na text za běhu.
Amazon Personalize: Jednoduchá služba bez infrastruktury pro vytváření doporučení pro vaše zákazníky nebo pro vás! Do této služby můžete vkládat údaje o elektronickém obchodu nebo cokoli a užívat si vysoce přesných a zajímavých návrhů. Samozřejmě, čím větší soubor dat, tím lepší doporučení budou.
Amazon má mnohem více služeb umělé inteligence a jejich procházením byste mohli strávit v podstatě celý den. Přesto je to činnost, kterou z celého srdce doporučuji! 🙂
Poznámka: Je těžké najít souhrn všech těchto služeb společně v dokumentech AWS, ale pokud přejdete na https://aws.amazon.com/machine-learning, jsou uvedeny v rozevíracím seznamu v části „Služby AI“.
TensorFlow
TensorFlow je knihovna (a také platforma) vytvořená týmem, který za tím stojí Google Brain. Je to implementace subdomény ML nazvané Deep Learning Neural Networks; to znamená, že TensorFlow je přístup společnosti Google k tomu, jak dosáhnout strojového učení pomocí neuronových sítí pomocí techniky hlubokého učení.
To znamená, že TensorFlow samozřejmě není jediný způsob, jak používat neuronové sítě – existuje spousta knihoven, z nichž každá má své výhody a nevýhody.
Obecně vám TensorFlow umožňuje funkce strojového učení pro mnoho různých programovacích prostředí. To znamená, že základní platforma je docela vizuální a spoléhá se většinou na grafy a vizualizace dat, aby byla práce hotová. Proto, i když nejste programátor, je možné, s určitým úsilím, získat dobré výsledky z TensorFlow.
Historicky byl TensorFlow zaměřen na „demokratizaci“ strojového učení. Podle mých znalostí to byla první platforma, která učinila ML jednoduchým, vizuálním a přístupným do této míry. Výsledkem bylo, že používání ML explodovalo a lidé mohli snadno trénovat modely.
Nejvýznamnějším prodejním místem TensorFlow je Keras, což je knihovna pro efektivní práci s neuronovými sítěmi programově. Zde je návod, jak jednoduché je vytvořit jednoduchou, plně propojenou síť (perceptron):
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'))
Samozřejmě je také potřeba provést konfiguraci, školení atd., ale i ty jsou stejně jednoduché.
Je těžké najít chybu na TensorFlow, vzhledem k tomu, že přinesl ML do JavaScriptu, mobilních zařízení a dokonce i řešení IoT. V očích puristů však zůstává „menší“ platformou, se kterou si každý Tom, Dick a Harry může pohrát. Buďte tedy připraveni čelit určitému odporu, když budete postupovat po žebříčku dovedností a setkáte se s více „osvícenými“ dušemi. 🙂
Pokud jste nováček, podívejte se na toto Úvodní online kurz TensorFlow.
Poznámka: Některá kritika TensorFlow zmiňuje, že nemůže používat GPU, což již není pravda. Dnes TensorFlow pracuje nejen s GPU, ale Google vyvinul svůj jediný specializovaný hardware s názvem TPU (TensorFlow Processing Unit), který je dostupný jako cloud. servis.
Služby Google AI
Stejně jako služby Amazonu má Google také sadu cloudů služby točící se kolem AI. Zdržím se výčtu všech služeb, protože jsou velmi podobné nabídkám Amazonu. Zde je snímek obrazovky toho, co mohou vývojáři sestavit, pokud mají zájem:
Obecně existují dva způsoby, jak můžete používat služby umělé inteligence Google. Prvním z nich je využít model již vyškolený společností Google a začít jej používat ve svých produktech. Druhým je tzv AutoML služba, která automatizuje několik přechodných fází strojového učení a pomáhá, řekněme, úplným vývojářům s menšími znalostmi ML snadno vytvářet a trénovat modely.
H2O
„2“ v H2O má být dolní index (připomínající chemický vzorec vody, myslím), ale je otravné to psát. Doufám, že lidé vzadu H2O nebude to moc vadit!
H2O je open source platforma pro strojové učení, kterou používají velká jména zahrnutá v žebříčku Fortune 500.
Hlavní myšlenkou je, aby se špičkový výzkum AI dostal k široké veřejnosti, spíše než aby zůstal v rukou společností s hlubokou kapsou a pákovým efektem. V rámci platformy H2O je nabízeno několik produktů, jako například:
- H2O: Základní platforma pro zkoumání a používání strojového učení.
- Perlivá voda: Oficiální integrace s Apache Spark pro velké soubory dat.
- H2O4GPU: GPU akcelerovaná verze platformy H2O.
H2O také vyrábí řešení šitá na míru pro podniky, mezi něž patří:
- AI bez řidiče: Ne, AI bez řidiče nemá nic společného se samořídícími auty! 🙂 Jde spíše o nabídku AutoML od Google – většina fází AI/ML je automatizovaná, což vede k jednodušším a rychlejším nástrojům na vývoj.
- Placená podpora: Jako podnik nemůžete čekat, až upozorníte na problémy GitHubu a doufáte, že budou brzy zodpovězeny. Pokud jsou čas peníze, H2O nabízí placenou podporu a poradenství pro velké společnosti.
Petuum
Petuum rozvíjí Symfonie platforma, která je navržena tak, aby mě umělá inteligence nenutila myslet. Jinými slovy, pokud vás nebaví kódování a/nebo si nechcete pamatovat další knihovny a výstupní formáty, Symphony se bude cítit jako na dovolené v Alpách!
I když na platformě Symphony není nic „otevřeného“, funkce stojí za to slintat:
- Uživatelské rozhraní přetahování
- Snadno sestavujte interaktivní datové kanály
- Tuny standardizovaných a modulárních stavebních bloků pro vytváření sofistikovanějších aplikací umělé inteligence
- Programovací a API rozhraní, která cítí vizuální způsob, nejsou dostatečně výkonná
- Automatická optimalizace s GPU
- Distribuovaná, vysoce škálovatelná platforma
- Vícezdrojová agregace dat
Existuje mnoho dalších funkcí, díky kterým budete mít skutečně pocit, že bariéra vstupu byla výrazně snížena. Vysoce doporučeno!
Polyaxon
Největší výzvou dneška v oblasti strojového učení a umělé inteligence není najít dobré knihovny a algoritmy (nebo dokonce učební zdroje), ale kvalifikované inženýrství, které je nutné použít k řešení monstrózních systémů a vysokého zatížení dat, které z toho plyne.
Dokonce i pro zkušené softwarové inženýry to může být příliš mnoho. Pokud to tak cítíš taky, Polyaxon stojí za shlédnutí.
Polyaxon není knihovna nebo dokonce framework; spíše je to komplexní řešení pro správu všech aspektů strojového učení, jako jsou:
- Datová připojení a streamování
- Hardwarová akcelerace
- Kontejnerizace a orchestrace
- Plánování, ukládání a zabezpečení
- Pipelining, optimalizace, sledování atd.
- Dashboarding, API, vizualizace atd.
Je do značné míry nezávislá na knihovnách a poskytovatelích, protože je podporováno velké množství populárních (otevřených i uzavřených) řešení.
Samozřejmě stále musíte řešit nasazení a škálování na určité úrovni. Pokud chcete uniknout i tomu, Polyaxon nabízí řešení PaaS, které vám umožní elasticky využívat jejich infrastrukturu.
DataRobot
Jednoduše řečeno, DataRobot je řešení zaměřené na strojové učení pro podniky. Je zcela vizuální a je navržen tak, aby rychle porozuměl vašim datům a dal je ke konkrétnímu obchodnímu použití.
Rozhraní je intuitivní a elegantní, umožňuje i neodborníkům dostat se za volant a vytvářet smysluplné poznatky.
DataRobot nemá spoustu funkcí; místo toho se zaměřuje na tradiční smysl pro data a poskytuje skálopevné možnosti v:
- Automatizované strojové učení
- Regrese a klasifikace
- Časové řady
Většinou jsou to vše, co pro svůj podnik potřebujete. To znamená, že ve většině případů je DataRobot vše, co potřebujete. 🙂
NeuralDesigner
Když jsme u snadno použitelných a výkonných platforem umělé inteligence, NeuralDesigner si zaslouží zvláštní zmínku.
O NeuralDesigneru toho není moc co říct, ale je toho hodně co dělat! Vzhledem k tomu, že neuronové sítě víceméně ovládly moderní metodologii strojového učení, má smysl pracovat s platformou, která se zaměřuje výhradně na neuronové sítě. Žádné mnoho možností, žádné rozptylování – kvalita před kvantitou.
NeuralDesigner vyniká v mnoha ohledech:
- Není potřeba žádné programování. Vůbec.
- Není vyžadováno žádné složité vytváření rozhraní. Vše je uspořádáno v rozumných, snadno pochopitelných a uspořádaných krocích.
- Sbírka nejpokročilejších a rafinovaných algoritmů specifických pro neuronové sítě.
- Paralelizace CPU a akcelerace GPU pro vysoký výkon.
Stojí za a Koukni se? Rozhodně!
Prevision.io
Pervision.io je platforma pro správu všech aspektů strojového učení, od zpracování dat až po nasazení ve velkém měřítku.
PředpověďIO
Pokud jste vývojář, PředpověďIO je neuvěřitelně užitečná nabídka, kterou byste si měli prohlédnout. PredictionIO je ve svém jádru platforma pro strojové učení, která dokáže zpracovávat data z vaší aplikace (webové, mobilní nebo jiné) a rychle vytvářet předpovědi.
Nenechte se zmást názvem — PredictionIO není jen pro předpovědi, ale podporuje celé spektrum strojového učení. Zde je několik skvělých důvodů, proč to milovat:
- Podpora pro klasifikaci, regresi, doporučení, NLP a co ne.
- Sestavte tak, abyste zvládli náročnou pracovní zátěž v nastavení Big Data.
- Několik předpřipravených šablony pro ty, kteří spěchají.
- Dodává se s Apache Spark, MLlib, HBase, Akka HTTP a Elasticsearch, které uspokojí všechny možné potřeby robustní, moderní aplikace.
- Kombinované přijímání dat z více zdrojů, ať už v dávkovém režimu nebo režimu v reálném čase.
- Nasazeno jako typická webová služba – snadno se používá a dodává.
U většiny webových projektů, které existují, nechápu, proč PredictionIO nedává moc smysl. Jděte do toho a zkuste to!
Závěr
Dnes není nedostatek rámce nebo platformy AI a ML; Když jsem začal hledat tento článek, byl jsem ohromen výběrem. V důsledku toho jsem se pokusil tento seznam zúžit na ty jedinečné nebo zajímavé. Pokud si myslíte, že jsem něco důležitého přehlédl, dejte mi prosím vědět.
Coursera dostal některé ze skvělých kurzů strojového učení, takže pokud máte zájem se učit, podívejte se.
Jaká platforma je tedy nejlepší? Bohužel neexistuje jednoznačná odpověď. Jedním z důvodů, proč je většina těchto služeb vázána na konkrétní technologický zásobník nebo ekosystém (většinou budování toho, čemu se říká obezděná zahrada). Druhým, důležitějším důvodem je to, že technologie AI a ML byly komoditizovány a existuje závod o poskytování co nejvíce funkcí za co nejnižší cenu. Žádný prodejce si nemůže dovolit nenabízet to, co nabízejí ostatní, a každá nová nabídka je zkopírována a doručena konkurenty téměř přes noc.
Vše tedy závisí na tom, jaký je váš stack a cíle, jak intuitivní službu považujete za službu, jak vnímáte společnosti za ní a tak dále.
Ale ať je to jakkoli, je samozřejmé, že AI je konečně dostupná jako služba a bylo by krajně nerozumné ji nevyužít. 🙂