Този сайт използва бисквитки (cookies). Ако желаете можете да научите повече тук. Разбрах

Новини Стратегии и модели

Google може да изгуби войната за AI за бизнеса

Google заема водеща позиция в изследванията за изкуствен интелект (AI), но изостава от Amazon, Microsoft и IBM като пазарен дял при облачните и AI решения за бизнеса.

от , 14 юни 2017 0 938 прочитания,

Крис Никълсън, CEO на Skymind, смята, че Google никога не е разбирал бизнеса. Той посочва, че поведението в качеството на потребител и в качеството на компания е твърде различно, защото при компаниите клиентите ти плащат огромни суми очаквайки да получат професионална услуга, заедно с игри на голф и обилни вечери, съобщава американското издание на CIO.

 

Google може да изгуби войната за AI за бизнеса

 

Трите настоящи лидери в предоставянето на услугата изчисления в облак – Amazon (AWS), Microsoft (Azure) и IBM (IBM Cloud) – разбират тази дейност много добре. И докато Google е признат за лидер в AI изследванията със своите DeepMind и Google Brain, спечелването на воините за „машинно обучение като услуга“ (MlaaS) е много по-трудно от обикновено пускане на безплатни инструменти като TensorFlow.

„Google предлага TensorFlow на загуба“, обяснява той. Google има малък дял на корпоративния пазара на изчисления в облака, затова се надява да попълни тази празнина предлагайки инструменти за машинно обучение безплатно. Действително TensorFlow бързо настига другите популярни библиотеки за „дълбоко обучение“ (deep learning), като Theano, Caffe и Torch - измерено по данни от Github и Stack Overflow, но тези данни са подвеждащи. „ Google води Udacity курсове по „дълбоко обучение“, в които всеки студент се изисква да си направи копие на TensorFlow. Тези независими програмисти нямат пари и не представляват реално бизнес потребление“, отбелязва Никълсън.

Двете големи препятствия на пътя на Google към доминираща позиция при облачния изкуствен интелект са гравитацията на данните (data gravity) и липсата на обратна съвместимост. За да се разбере проблемът с гравитацията на данните, трябва да се погледне устройството Snowball на Amazon. Тази флаш памет с размери на стол, способна да съхранява 80 TB ценни корпоративни данни, физически се изпраща до клиентските дейта центрове за да бъдат свалени петабайт данни и след това се връща в Amazon за качване на информацията на сървърите на AWS. Ироничното е, че физическото прехвърляне е много по-бързо и евтино за огромни пакети от данни, отколкото който и да е интернет метод. Компаниите с използващи много данни AI приложения ще могат по-бързо да използват алгоритмите на своите сървъри или в AWS и Azure, където данните вече са разположени.

Обратната съвместимост е друга причина защо компаниите не бързат да приемат лъскавите нови езици и инструменти, които използват AI изследователите. „Повечето компании работят под Java Virtual Machines (JVM), дори Apple. Java е толкова популярна, защото е обратно съвместима, докато Python 3 дори не работи с Python 2“, подчертава Никълсън. Повечето библиотеки за „дълбоко обучение“ са проектирани да помагат на АI изследователите да пишат по-добри доклади, а не за използване в производствена среда. Когато изучаващите данните и инженерите по машинно обучение приключат със своите Python прототипи, се изискват решения като Deeplearning4j за вкарване на техния Python код в мащабируема, лесна за бизнеса Java.

„За да успееш в бизнес среда се нуждаеш от полеви екип от инженери, които могат бързо да създадат предпроектно проучване. Едва когато вече създадеш за потребителите си решение за „дълбоко обучение“, може да си сигурен, че те ще продължат да градят върху твоята технология и твоите услуги“, подчертава Никълсън.  

КОМЕНТАРИ ОТ  

Полезни страници
    За нас | Аудитория | Реклама | Контакти | Общи условия |
    Действителни собственици на настоящото издание са Иво Георгиев Прокопиев и Теодор Иванов Захов