10 platform AI do tworzenia nowoczesnych aplikacji

przez

Teraz, gdy wiemy, że Terminatorzy nie przyjdą po nas, nadszedł czas, aby zaprzyjaźnić się ze sztuczną inteligencją i czerpać z niej korzyści!

Przez długi czas dziedzina Sztucznej Inteligencji i jej najsłynniejszej subdyscypliny, Machine Learning, otoczone były tajemniczą aurą. Propagandowa machina prasy wydawała artykuł po artykule, przepowiadając powstanie super inteligentnych, superniezależnych i superzłych maszyn, przez co wielu popadło w rozpacz (w tym ja).

A co mamy dzisiaj do pokazania w całym tym hałasie i dymie? Technologia AI, która jest daleka od doskonałości, żenująca błędyoraz ograniczony, wadliwie działający robot, który został prawie siłą zamieniony w obywatel. Heck, nie mamy jeszcze nawet przyzwoitego algorytmu tłumaczenia języka.

Jeśli dzisiaj ktoś nadal upiera się, że zbliża się koniec świata, oto moja reakcja:

Czym więc jest AI, ML i wszystkie te modne hasła, jeśli nie koniec ludzkości?

Cóż, to są nowe sposoby programowania komputera do rozwiązywania problemów związanych z klasyfikacją i przewidywaniem. I zgadnij, w końcu mamy wiele usług AI, z których możesz zacząć korzystać od razu w swojej aplikacji biznesowej i czerpać ogromne korzyści.

Co platformy AI mogą dziś zrobić dla firm?

Dobre pytanie!

Sztuczna inteligencja jest tak ogólna w swoim zastosowaniu (przynajmniej teoretycznie), że nie sposób wskazać celu, dla którego została stworzona. To tak, jakby zapytać, do czego został stworzony arkusz kalkulacyjny i co można z nim zrobić. Jasne, został opracowany dla księgowości, ale dziś znacznie wykracza poza tę odpowiedzialność. A księgowość to nie jedyna funkcja — ludzie używają jej jako narzędzia do zarządzania projektami, jako listy rzeczy do zrobienia, jako bazy danych i czego nie.

To samo dotyczy AI.

Z grubsza rzecz biorąc, sztuczna inteligencja jest przydatna do zadań, które są luźno zdefiniowane i opierają się na uczeniu się na doświadczeniu. Tak, to właśnie robią ludzie, ale sztuczna inteligencja ma przewagę, ponieważ może przetwarzać góry danych w mgnieniu oka i wyciągać wnioski znacznie, znacznie szybciej. W związku z tym niektóre z typowych zastosowań sztucznej inteligencji to:

  • Wykrywanie twarzy na zdjęciu, filmie itp.
  • Klasyfikowanie i tagowanie obrazów, na przykład w celu uzyskania porady rodzicielskiej
  • Konwersja mowy na tekst
  • Wykrywanie obiektów w mediach (np. samochód, kobieta itp.)
  • Przewidywanie zmian cen akcji
  • Wykrywanie finansowania terroryzmu (wśród milionów transakcji dziennie)
  • Systemy rekomendacji (zakupy, muzyka, znajomi itp.)
  • Łamanie captcha
  • Filtrowanie spamu
  • Wykrywanie włamań do sieci

Mógłbym mówić i gadać i prawdopodobnie zabrakło mi stron (mówiąc w przenośni), ale myślę, że teraz masz pomysł. To wszystko są przykłady problemów, które ludzie zmagali się z rozwiązywaniem za pomocą tradycyjnych metod komputerowych. A jednak są one ważne, ponieważ mają ogromne potrzeby w biznesie i świecie rzeczywistym.

Więc bez zbędnych ceregieli zacznijmy od listy naszych najlepszych platform AI i zobaczmy, co mają do zaoferowania.

Usługi Amazon AI

Tak jak Amazon szybko wycofuje firmy z biznesu, tak AWS jest tak całkowicie dominujący jako platforma, że ​​prawie nic innego nie przychodzi do głowy. To samo dotyczy Usługi Amazon AIktóry jest pełen niesamowicie przydatnych usług AI.

Oto niektóre z niesamowitych usług oferowanych przez AWS.

Amazon Comprehend: Pomaga zrozumieć całą górę tekstowych, nieustrukturyzowanych danych, które posiadasz. Jednym z przypadków użycia jest przeszukiwanie istniejących czatów obsługi klienta i ustalenie, jaki był poziom satysfakcji w czasie, jakie są główne obawy klienta, jakie słowa kluczowe są najczęściej używane itp.

Amazon Forecast: usługa zerowej konfiguracji do korzystania z istniejących danych szeregów czasowych i przekształcania ich w dokładne prognozy na przyszłość. Jeśli zastanawiasz się, co to są dane szeregów czasowych, spójrz na ten artykuł, który napisałem niedawno (poszukaj bazy danych o nazwie Skala czasu pod koniec artykułu).

Amazon Lex: Wbuduj interfejsy konwersacyjne (tekstowe i/lub wizualne) do swoich aplikacji. Za kulisami działają wyszkolone modele uczenia maszynowego Amazon, które dekodują intencje i przetwarzają mowę na tekst w locie.

Amazon Personalizacja: Prosta i pozbawiona infrastruktury usługa do tworzenia rekomendacji dla Twoich klientów lub dla Ciebie! Możesz wprowadzić do tej usługi dane e-commerce lub prawie wszystko, i cieszyć się bardzo dokładnymi i interesującymi sugestiami. Oczywiście im większy zbiór danych, tym lepsze będą rekomendacje.

Istnieje wiele innych usług AI, które Amazon ma i możesz spędzić prawie cały dzień na ich przeglądaniu. Niemniej jednak jest to aktywność, którą z całego serca polecam!

Uwaga: trudno jest znaleźć podsumowanie wszystkich tych usług razem w dokumentacji AWS, ale jeśli wejdziesz na https://aws.amazon.com/machine-learning, są one wymienione w menu rozwijanym w sekcji „Usługi AI”.

Przepływ Tensora

Przepływ Tensora to biblioteka (a także platforma) stworzona przez zespół odpowiedzialny Mózg Google. Jest to implementacja poddomeny ML o nazwie Deep Learning Neural Networks; to znaczy, TensorFlow to podejście Google do tego, jak osiągnąć uczenie maszynowe za pomocą sieci neuronowych przy użyciu techniki głębokiego uczenia.

Oznacza to, że TensorFlow nie jest oczywiście jedynym sposobem korzystania z sieci neuronowych — istnieje wiele bibliotek, z których każda ma swoje zalety i wady.

Ogólnie rzecz biorąc, TensorFlow zapewnia podstawowe możliwości uczenia maszynowego dla wielu różnych środowisk programistycznych. To powiedziawszy, podstawowa platforma jest dość wizualna i opiera się głównie na wykresach i wizualizacjach danych, aby wykonać zadanie. W związku z tym, nawet jeśli nie jesteś programistą, przy pewnym wysiłku można uzyskać dobre wyniki z TensorFlow.

Historycznie, TensorFlow miał na celu „demokratyzację” uczenia maszynowego. Według mojej wiedzy była to pierwsza platforma, która uczyniła ML prostym, wizualnym i dostępnym do tego stopnia. W rezultacie użycie ML eksplodowało, a ludzie mogli łatwo trenować modele.

Najważniejszym punktem sprzedaży TensorFlow jest: Keras, która jest biblioteką do wydajnej pracy z sieciami neuronowymi w sposób programowy. Oto jak proste jest stworzenie prostej, w pełni połączonej sieci (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'))

Oczywiście konfiguracja, szkolenie itp. też muszą być wykonane, ale one też są równie proste.

Trudno znaleźć błędy w TensorFlow, biorąc pod uwagę, że wprowadził ML do JavaScript, urządzeń mobilnych, a nawet rozwiązań IoT. Jednak w oczach purystów jest to „mniejsza” platforma, z którą każdy Tom, Dick i Harry mogą sobie poradzić. Przygotuj się więc na stawienie czoła pewnemu oporowi, gdy wspinasz się po drabinie umiejętności i napotykasz więcej „oświeconych” dusz.

Jeśli jesteś nowicjuszem, sprawdź to Kurs wprowadzający do TensorFlow.

Uwaga: w niektórych krytykach TensorFlow wspomina się, że nie może on korzystać z procesorów graficznych, co już nie jest prawdą. Dzisiaj TensorFlow nie tylko współpracuje z GPU, ale Google opracowało swój jedyny wyspecjalizowany sprzęt o nazwie TPU (TensorFlow Processing Unit), który jest dostępny jako chmura usługa.

Usługi Google AI

Podobnie jak usługi Amazon, Google ma również pakiet chmury usługi obracające się wokół sztucznej inteligencji. Powstrzymam się od wymieniania wszystkich usług, ponieważ są one dość podobne do ofert Amazon. Oto zrzut ekranu przedstawiający, co deweloperzy mogą tworzyć, jeśli są zainteresowani:

Ogólnie rzecz biorąc, istnieją dwa sposoby korzystania z usług AI Google. Pierwszym z nich jest wykorzystanie modelu już przeszkolonego przez Google i rozpoczęcie stosowania go w swoich produktach. Drugi to tzw. AutoML usługa, która automatyzuje kilka pośrednich etapów uczenia maszynowego, pomagając, powiedzmy, programistom typu full stack z mniejszym doświadczeniem w zakresie ML w łatwym tworzeniu i trenowaniu modeli.

H2O

Cyfra 2 w H2O ma być indeksem dolnym (przypominam chyba wzór chemiczny wody), ale żmudne jest go wpisywać. Mam nadzieję, że ludzie z tyłu H2O nie będzie mi to przeszkadzało!

H2O to platforma typu open source do uczenia maszynowego, z której korzystają wielkie nazwiska z listy Fortune 500.

Główną ideą jest sprawienie, by najnowocześniejsze badania nad sztuczną inteligencją dotarły do ​​ogółu społeczeństwa, zamiast pozostawiać je w rękach firm z głębokimi kieszeniami i dźwignią. W ramach platformy H2O oferowanych jest kilka produktów, takich jak:

  • H2O: podstawowa platforma do eksploracji i korzystania z uczenia maszynowego.
  • Woda gazowana: oficjalna integracja z Apache Spark dla dużych zbiorów danych.
  • H2O4GPU: akcelerowana przez GPU wersja platformy H2O.

H2O tworzy również rozwiązania dostosowane do potrzeb przedsiębiorstwa, a są to:

  • Driverless AI: Nie, Driverless AI nie ma nic wspólnego z autonomicznymi samochodami! 🙂 Jest bardziej na wzór oferty Google AutoML — większość etapów AI/ML jest zautomatyzowana, dzięki czemu narzędzia są prostsze i szybsze w opracowywaniu.
  • Płatne wsparcie: jako przedsiębiorstwo nie możesz się doczekać zgłaszania problemów z GitHub i nadziei na szybką odpowiedź. Jeśli czas to pieniądz, H2O oferuje płatne wsparcie i doradztwo dla dużych firm.

Petuum

Petuum rozwija Symfonia platforma, która została zaprojektowana tak, aby nie działała sztuczna inteligencja typu „nie zmuszaj mnie do myślenia”. Innymi słowy, jeśli jesteś zmęczony kodowaniem i/lub nie chcesz zapamiętywać większej liczby bibliotek i formatów wyjściowych, Symphony poczuje się jak wakacje w Alpach!

Chociaż w platformie Symphony nie ma nic „otwartego”, warto się nad nimi ślinić:

  • Przeciągnij i upuść interfejs użytkownika
  • Łatwo twórz interaktywne potoki danych
  • Mnóstwo standardowych i modułowych elementów konstrukcyjnych do tworzenia bardziej wyrafinowanych aplikacji AI
  • Programowanie i interfejsy API, które uważają, że sposób wizualny nie jest wystarczająco wydajny
  • Zautomatyzowana optymalizacja z GPU
  • Rozproszona, wysoce skalowalna platforma
  • Agregacja danych z wielu źródeł

Istnieje wiele innych funkcji, które naprawdę sprawią, że poczujesz, że bariera wejścia została znacznie obniżona. Wysoce rekomendowane!

Poliakson

Największym wyzwaniem w dzisiejszym uczeniu maszynowym i sztucznej inteligencji nie jest znalezienie dobrych bibliotek i algorytmów (lub nawet zasobów edukacyjnych), ale wykwalifikowana inżynieria, którą należy zastosować, aby poradzić sobie z systemami behemotów i wynikającymi z tego dużymi obciążeniami danych.

Nawet dla doświadczonych inżynierów oprogramowania może to być zbyt trudne. Jeśli też tak się czujesz, Poliakson warto zajrzeć.

Polyaxon nie jest biblioteką ani nawet frameworkiem; jest to raczej kompleksowe rozwiązanie do zarządzania wszystkimi aspektami uczenia maszynowego, takimi jak:

  • Połączenia danych i przesyłanie strumieniowe
  • Przyspieszenie sprzętowe
  • Konteneryzacja i orkiestracja
  • Planowanie, przechowywanie i bezpieczeństwo
  • Pipelining, optymalizacja, śledzenie itp.
  • Dashboard, API, wizualizacje itp.

Jest prawie niezależny od bibliotek i dostawców, ponieważ obsługiwana jest duża liczba popularnych rozwiązań (otwartych i zamkniętych).

Oczywiście nadal masz do czynienia z wdrażaniem i skalowaniem na pewnym poziomie. Jeśli chcesz uciec od tego, Polyaxon oferuje rozwiązanie PaaS, które pozwala elastycznie korzystać z ich infrastruktury.

DataRobot

Mówiąc prosto, DataRobot to skoncentrowane rozwiązanie Machine Learning dla przedsiębiorstw. Jest w pełni wizualna i została zaprojektowana tak, aby szybko zrozumieć Twoje dane i wykorzystać je w konkretnych zastosowaniach biznesowych.

Interfejs jest intuicyjny i elegancki, dzięki czemu osoby niebędące ekspertami mogą zasiąść za kółkami i generować znaczące informacje.

DataRobot nie ma wielu funkcji; zamiast tego koncentruje się na tradycyjnym sensie danych i zapewnia solidne możliwości w:

  • Zautomatyzowane uczenie maszynowe
  • Regresja i klasyfikacja
  • Szereg czasowy

Najczęściej to wszystko, czego potrzebujesz dla swojego przedsiębiorstwa. Oznacza to, że w większości przypadków wystarczy DataRobot.

Projektant neuronowy

Chociaż jesteśmy przy temacie łatwych w użyciu, potężnych platform AI, Projektant neuronowy zasługuje na specjalną wzmiankę.

Niewiele można powiedzieć o NeuralDesignerze, ale jest wiele do zrobienia! Biorąc pod uwagę, że sieci neuronowe w mniejszym lub większym stopniu zdominowały nowoczesną metodologię uczenia maszynowego, warto pracować z platformą, która koncentruje się wyłącznie na sieciach neuronowych. Bez wielu możliwości wyboru, bez rozpraszania uwagi — jakość nad ilością.

NeuralDesigner wyróżnia się na wiele sposobów:

  • Nie wymaga programowania. W ogóle.
  • Nie wymaga skomplikowanego budowania interfejsu. Wszystko jest ułożone w rozsądnych, łatwych do zrozumienia, uporządkowanych krokach.
  • Zbiór najbardziej zaawansowanych i dopracowanych algorytmów specyficznych dla sieci neuronowych.
  • Równolegle procesora i akceleracja GPU dla wysokiej wydajności.

Warto wyglądać? Zdecydowanie!

Przewidywanie.io

Perwizja.io to platforma do zarządzania wszystkimi aspektami uczenia maszynowego, od przetwarzania danych po wdrażanie na dużą skalę.

Przewidywanie IO

Jeśli jesteś programistą, Przewidywanie IO to niezwykle przydatna oferta, na którą powinieneś się przyjrzeć. U podstaw PredictionIO jest platforma uczenia maszynowego, która może pozyskiwać dane z Twojej aplikacji (internetowej, mobilnej lub innej) i szybko tworzyć prognozy.

Nie daj się zwieść nazwie — PredictionIO nie służy tylko do przewidywania, ale obsługuje pełne spektrum uczenia maszynowego. Oto kilka fajnych powodów, aby to pokochać:

  • Wsparcie dla klasyfikacji, regresji, rekomendacji, NLP i czego nie.
  • Twórz, aby poradzić sobie z poważnymi obciążeniami w środowisku Big Data.
  • Kilka gotowych szablony dla tych, którzy się spieszą.
  • W zestawie z Apache Spark, MLlib, HBase, Akka HTTP i Elasticsearch, zaspokajając wszelkie możliwe potrzeby solidnej, nowoczesnej aplikacji.
  • Pozyskiwanie połączonych danych z wielu źródeł, zarówno w trybie wsadowym, jak i w czasie rzeczywistym.
  • Wdrożony jako typowa usługa sieciowa — łatwa w użyciu i przekazywaniu.

W przypadku większości projektów internetowych nie widzę, dlaczego PredictionIO nie ma większego sensu. Śmiało i wypróbuj!

Wniosek

Obecnie nie brakuje frameworków i platform AI i ML; Byłem przytłoczony wyborem, kiedy zacząłem szukać informacji do tego artykułu. W rezultacie starałem się zawęzić tę listę do unikalnych lub interesujących. Jeśli uważasz, że przegapiłem coś ważnego, daj mi znać.

Coursera masz kilka świetnych kursów uczenia maszynowego, więc sprawdź, czy jesteś zainteresowany nauką.

Która platforma jest najlepsza? Niestety nie ma jednoznacznej odpowiedzi. Jednym z powodów, dla których większość tych usług jest powiązana z określonym stosem technologicznym lub ekosystemem (głównie budowaniem tak zwanego ogrodu otoczonego murem). Drugim, ważniejszym powodem jest to, że do tej pory technologie AI i ML zostały skomercjalizowane i trwa wyścig, aby zapewnić jak najwięcej funkcji za jak najniższą cenę. Żaden sprzedawca nie może sobie pozwolić na to, aby nie oferować tego, co oferują inni, a każda nowa oferta jest kopiowana i obsługiwana przez konkurencję niemal z dnia na dzień.

W związku z tym wszystko sprowadza się do tego, jaki masz stos i cele, jak intuicyjna jest ta usługa, jakie jest Twoje postrzeganie firm, które za nią stoją i tak dalej.

Ale niezależnie od przypadku, nie trzeba dodawać, że sztuczna inteligencja jest wreszcie dostępna jako usługa i bardzo nierozsądnie byłoby z niej nie korzystać.