Использование искусственного интеллекта для создания вашего современного приложения

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту
Архив новостей

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


2021-04-03 04:11

разработка по

Теперь, когда мы знаем, что Терминаторы не придут за нами, пришло время подружиться с искусственным интеллектом и извлечь из этого выгоду!

Долгое время область искусственного интеллекта и его самая известная субдисциплина-машинное обучение-были окружены таинственной аурой. Пропагандистская пресс-машина выдавала статью за статьей, предсказывая появление сверхразумных, сверхнезависимых и сверхзлобных машин, заставляя многих впадать в отчаяние (включая меня).

И что мы можем сегодня показать за весь этот шум и дым? Технология искусственного интеллекта, которая далека от совершенства , неловкий ограниченный, неисправный робот, который был силой пропоганды превращен в полноценного гражданина. Черт возьми, у нас еще даже нет приличного алгоритма перевода языка.

Если сегодня кто-то все еще настаивает на том, что конец света близок, вот моя реакция:

лул-406х270

Так что же такое ИИ, MLи все эти модные словечки, если не конец человечества?

Что ж, это новые способы применения технолгий для разработки web-сервисов и приложений(http://sixhands.co), в первую очередь связанных с классификацией и предсказанием. И знаете что, у нас наконец-то есть много сервисов искусственного интеллекта, которые вы можете сразу же начать использовать в своем бизнес-приложении и пожинать огромные выгоды.

Что могут сделать платформы искусственного интеллекта для бизнеса сегодня?

Хороший вопрос!

Искусственный интеллект настолько универсален в своем применении (по крайней мере, в теории), что было бы невозможно указать на цель, для которой он был разработан. Это все равно что спросить, для чего была разработана электронная таблица и что с ней можно сделать. Конечно, она была разработана для бухгалтерского учета, но сегодня она намного превосходит эту ответственность. И бухгалтерский учет не единственная функция — люди используют его как инструмент управления проектами, как список задач, как базу данных, а что нет.

То же самое касается ИИ.

ai-as-a-help-963x628

Грубо говоря, ИИ полезен для задач, которые слабо определены и опираются на изучение опыта. Да, это то, что делают и люди, но ИИ имеет преимущество, поскольку он может обрабатывать горы данных в мгновение ока и приходить к выводам гораздо быстрее. Таким образом, некоторые из типичных применений ИИ:

  • Обнаружение лиц на фото, видео и т. д
  • Классификация и маркировка изображений, например, для родительских консультаций
  • Преобразование речи в текст
  • Обнаружение объектов в средствах массовой информации (например, автомобиль, женщина и т. д.)
  • Прогнозирование движения цен на акции
  • Выявление финансирования терроризма (среди миллионов транзакций в день)
  • Рекомендательные системы (шопинг, музыка, друзья и т. д.)
  • Взлом капчи
  • Фильтрация спама
  • Обнаружение сетевых вторжений

Я мог бы продолжать и продолжать, и, вероятно, у меня закончатся страницы (образно говоря), но я думаю, что теперь вы поняли идею. Все это примеры проблем, которые люди пытались решить с помощью традиционных средств вычислений. И все же они важны, поскольку имеют огромную потребность в бизнесе и реальном мире.

Итак, без лишних слов, давайте начнем со списка наших лучших платформ искусственного интеллекта и посмотрим, что они могут предложить.

Amazon AI Services

Точно так же, как Amazon быстро выводит компании из бизнеса, AWS настолько доминирует в качестве платформы, что почти ничего другого не приходит на ум. То же самое относится и к Amazon AI Services, которая битком набита невероятно полезными сервисами искусственного интеллекта.

amazon-ai-сервисы

Вот некоторые из умопомрачительных сервисов, которыми располагает AWS.

Amazon Comprehend: помогает вам разобраться во всей горе текстовых, неструктурированных данных, которые у вас есть. Одним из вариантов использования является анализ существующих чатов поддержки клиентов и выяснение того, каков был уровень удовлетворенности с течением времени, каковы основные проблемы клиента, какие ключевые слова используются чаще всего и т. д.

Amazon Forecast: сервис нулевой настройки для использования существующих данных временных рядов и превращения их в точные прогнозы на будущее. Если вам интересно, что такое данные временных рядов, взгляните на эту статью, которую я недавно написал (найдите базу данных под названием Timescale ближе к концу статьи).

Amazon Lex: встроите в свои приложения диалоговые интерфейсы (текстовые и/или визуальные). За кулисами работает обученная модель машинного обучения Amazon, которая декодирует намерения и выполняет преобразование речи в текст на лету.

Amazon Personalize: простой и не требующий инфраструктуры сервис для создания рекомендаций для ваших клиентов или для вас самих! Вы можете вводить данные электронной коммерции или почти все, что угодно в этот сервис, и наслаждаться очень точными и интересными предложениями. Конечно, чем больше набор данных, тем лучше будут рекомендации.

Есть еще много других сервисов искусственного интеллекта, которые есть у Amazon, и вы можете провести почти весь день, просматривая их. Тем не менее, это занятие я всем сердцем рекомендую! ?

Примечание: трудно найти сводку всех этих сервисов вместе в документах AWS, но если вы перейдете к https://aws.amazon.com/machine-learning, они перечислены в раскрывающемся списке в разделе “Услуги искусственного интеллекта.”

Тензорный поток

TensorFlow-это библиотека (а также платформа), созданная командой Google Brain. Это реализация субдомена ML под названием Deep Learning Neural Networks; то есть TensorFlow-это взгляд Google на то, как достичь машинного обучения с помощью нейронных сетей, используя технику глубокого обучения.

Теперь это означает, что TensorFlow, конечно, не единственный способ использовать нейронные сети — существует множество библиотек, каждая со своими плюсами и минусами.

tensorflow-1200x589

В широком смысле TensorFlow предоставляет вам стандартные возможности машинного обучения для многих различных сред программирования. Тем не менее, базовая платформа довольно наглядна и в основном опирается на графики и визуализацию данных, чтобы выполнить свою работу. Таким образом, даже если вы не программист, вы можете, приложив некоторые усилия, получить хорошие результаты от TensorFlow.

Исторически TensorFlow был нацелен на “демократизацию” машинного обучения. Насколько мне известно, это была первая платформа, которая сделала ML простым, наглядным и доступным до такой степени. В результате использование ML взорвалось, и люди смогли легко обучать модели.

Наиболее значимой точкой продаж TensorFlow является Keras, представляющая собой библиотеку для эффективной работы с нейронными сетями программно. Вот как просто создать простую, полностью подключенную сеть (персептрон):

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'))

Конечно, настройка, обучение и т. д. также должны быть сделаны, но они тоже одинаково просты.

Трудно придраться к TensorFlow, учитывая, что он привнес ML в JavaScript, мобильные устройства и даже решения IoT. Однако в глазах пуристов она остается “меньшей” платформой, с которой каждый Том, Дик и Гарри могут связываться. Итак, будьте готовы столкнуться с некоторым сопротивлением, когда вы подниметесь по лестнице навыков и столкнетесь с более “просветленными” душами.

Если вы новичок, то ознакомьтесь с этим вводным онлайн-курсом TensorFlow.

Также обратите внимание: некоторые критики TensorFlow упоминают, что он не может использовать графические процессоры, что уже не так. Сегодня TensorFlow работает не только с GPU, но и Google разработала свое единственное специализированное оборудование под названием TPU (TensorFlow Processing Unit), которое доступно в виде облачного сервиса.

Сервисы Google AI

Как и сервисы Amazon, Google также имеет набор облачных сервисов, вращающихся вокруг искусственного интеллекта. Я воздержусь от перечисления всех услуг, поскольку они очень похожи на предложения Amazon. Вот скриншот того, что доступно разработчикам для создания, если они заинтересованы:

google-cloud-ai

В общем, есть два способа использования сервисов искусственного интеллекта Google. Первый - использовать модель, уже обученную Google, и просто начать применять ее в своих продуктах. Второй - это так называемый сервис AutoML, который автоматизирует несколько промежуточных этапов машинного обучения, помогая, скажем, разработчикам полного стека с меньшим опытом ML легко создавать и обучать модели.

H2O

"2” в H2O должен быть подстрочным индексом (напоминающим химическую формулу воды, я полагаю), но его трудно напечатать. Я надеюсь, что люди, стоящие за H2O, не будут так сильно возражать!

H2O-это платформа с открытым исходным кодом для машинного обучения, которая используется крупными именами, входящими в Fortune 500.

h2o

Основная идея состоит в том, чтобы сделать передовые исследования ИИ доступными широкой публике, а не позволить им оставаться в руках компаний с глубокими карманами и рычагами влияния. Под платформой H2O предлагается несколько продуктов, таких как:

  • H2O: Базовая платформа для изучения и использования машинного обучения.
  • Газированная вода: официальная интеграция с Apache Spark для больших наборов данных.
  • H2O4GPU: GPU-ускоренная версия платформы H2O.

H2O также производит решения, адаптированные для предприятия, и они включают в себя:

  • Беспилотный ИИ: нет, беспилотный ИИ не имеет ничего общего с самоуправляемыми автомобилями! ?? Это больше похоже на предложение Google AutoML — большинство этапов AI/ML автоматизированы, что приводит к созданию инструментов, которые проще и быстрее разрабатывать.
  • Платная поддержка: как предприятие, вы не можете ждать, когда поднимете вопросы GitHub и надеетесь, что на них скоро ответят. Если время-деньги, H2O предлагает платную поддержку и консультации для крупных компаний.

Petuum

Petuum разрабатывает платформу Symphony, которая предназначена для работы искусственного интеллекта "не заставляй меня думать". Другими словами, если вы устали от кодирования и/или не хотите запоминать больше библиотек и выходных форматов, Symphony будет чувствовать себя как отпуск в Альпах!

симфония-АИ-1200x454

Хотя в платформе Symphony нет ничего “открытого”, эти функции стоят того, чтобы пускать слюни:

  • Перетаскивание пользовательского интерфейса
  • Легко создавать интерактивные конвейеры данных
  • Тонны стандартизированных и модульных строительных блоков для создания более сложных приложений искусственного интеллекта
  • Программирование и интерфейсы API, которые чувствуют, что визуальный способ недостаточно силен
  • Автоматизированная оптимизация с помощью графических процессоров
  • Распределенная, высоко масштабируемая платформа
  • Агрегация данных из нескольких источников

Есть еще много функций, которые действительно заставят вас почувствовать, что барьер для входа был значительно снижен. Очень рекомендую!

Полиаксон

Самая большая проблема сегодня в машинном обучении и ИИ заключается не в том, чтобы найти хорошие библиотеки и алгоритмы (или даже обучающие ресурсы), а в квалифицированном инженерном деле, которое должно быть применено для работы с гигантскими системами и высокими нагрузками данных, которые в результате этого возникают.

Даже для опытных инженеров-программистов это может быть слишком большой вопрос. Если вы тоже так считаете, Полиаксон стоит посмотреть.

полиаксон-1200x369

Polyaxon-это не библиотека и даже не фреймворк; скорее, это комплексное решение для управления всеми аспектами машинного обучения, такими как:

  • Подключение к данным и потоковая передача
  • Аппаратное ускорение
  • Контейнеризация и оркестровка
  • Планирование, хранение и безопасность
  • Конвейеризация, оптимизация, отслеживание и т. д.
  • Дашбординг, API, визуализации и т. д.

Это в значительной степени библиотека - и провайдер-агностик, так как поддерживается большое количество популярных (с открытым и закрытым исходным кодом) решений.

Конечно, вам все равно придется иметь дело с развертыванием и масштабированием на определенном уровне. Если вы хотите избежать даже этого, Polyaxon предлагает PaaS-решение, которое позволяет вам эластично использовать их инфраструктуру.

DataRobot

Проще говоря, DataRobot-это целенаправленное решение для машинного обучения для предприятия. Он полностью визуальен и предназначен для быстрого осмысления ваших данных и их использования в конкретном бизнесе.

datarobot

Интерфейс интуитивно понятен и гладок, что позволяет неспециалистам сесть за руль и генерировать значимые идеи.

datarobot-in-action-1004x628

DataRobot не имеет шквала функций; вместо этого он фокусируется на традиционном понимании данных и обеспечивает прочные возможности в:

  • Автоматизированное Машинное Обучение
  • Регрессия и классификация
  • Временные Ряды

Чаще всего это все, что вам нужно для вашего предприятия. То есть в большинстве случаев DataRobot-это все, что вам нужно. ?

Нейральдизайнер

В то время как мы говорим о простых в использовании, мощных платформах искусственного интеллекта, NeuralDesigner заслуживает особого упоминания.

нейрон-конструктор

О NeuralDesigner мало что можно сказать, но есть много чего сделать! Учитывая, что нейронные сети более или менее доминируют в современной методологии машинного обучения, имеет смысл работать с платформой, которая фокусируется исключительно на нейронных сетях. Нет большого выбора, нет отвлекающих факторов — качество превыше количества.

NeuralDesigner выделяется во многих отношениях:

  • Программирование не требуется. Вообще.
  • Никакого сложного построения интерфейса не требуется. Все изложено в разумных, простых для понимания, упорядоченных шагах.
  • Коллекция самых передовых и совершенных алгоритмов, специфичных для нейронных сетей.
  • Распараллеливание процессора и Ускорение графического процессора для высокой производительности.

Стоит посмотреть? Определенно!

Prevision.io

Pervision.io это платформа для управления всеми аспектами машинного обучения, начиная с обработки данных и заканчивая масштабным развертыванием.

pervision-io-1200x436

Прогнозирование

Если вы разработчик, PredictionIO-это невероятно полезное предложение, которое вы должны изучить. По своей сути PredictionIO-это платформа машинного обучения, которая может принимать данные из вашего приложения (веб -, мобильного или иного) и быстро строить прогнозы.

предсказание-Ио

Не обманывайтесь названием — PredictionIO предназначен не только для предсказаний, но и поддерживает весь спектр машинного обучения. Вот несколько крутых причин любить его:

  • Поддержка классификации, регрессии, рекомендаций, НЛП и чего только нет.
  • Сборка для обработки серьезных рабочих нагрузок в условиях больших данных.
  • Несколько готовых шаблонов для тех, кто спешит.
  • Поставляется в комплекте с Apache Spark, MLlib, HBase, Akka HTTP и Elasticsearch, удовлетворяя все возможные потребности в надежном современном приложении.
  • Комбинированный прием данных из нескольких источников, как в пакетном режиме, так и в режиме реального времени.
  • Развернут как типичный веб — сервис- легко потребляется и подается.

Для большинства веб-проектов я не вижу, как PredictionIO не имеет большого смысла. Идите вперед и попробуйте!

Вывод

Сегодня нет недостатка в фреймворке или платформе AI и ML; я был ошеломлен выбором, когда начал исследовать эту статью. В результате я попытался сузить этот список до уникальных или интересных. Если вы думаете, что я пропустил что-то важное, пожалуйста, дайте мне знать.

Coursera получила несколько замечательных курсов машинного обучения, так что проверьте, если вы заинтересованы в обучении.

Итак, какая платформа является лучшей? К сожалению, однозначного ответа нет. Одна из причин, по которой большинство этих услуг привязаны к определенному технологическому стеку или экосистеме (в основном это строительство так называемого огороженного сада). Другая, более важная, причина заключается в том, что к настоящему времени технологии AI и ML были коммерциализированы, и существует гонка за предоставление как можно большего количества функций по как можно более низкой цене. Ни один поставщик не может позволить себе не предлагать то, что предлагают другие, и любое новое предложение копируется и обслуживается конкурентами почти в одночасье.

Таким образом, все сводится к тому, каковы ваши стек и цели, насколько интуитивно вы находите сервис, каково ваше восприятие компаний, стоящих за ним, и так далее.


Источник: geekflare.com

Комментарии: