谷歌，微软，亚马逊纷纷押注机器学习，谁会更胜一筹？

昨天，李飞飞和Jeff Dean在推特上预告说谷歌将有重要的里程碑事件发布。想必今天大家就被谷歌发布Cloud AutoML的消息刷屏了吧。简单来说，Cloud AutoML是个无需写代码，全自动训练的AI工具。有了它，即使是不懂机器学习的人，也可以训练出一个定制化的机器学习模型。

我们可以把这项重大改进归类于机器学习服务（MLaaS）领域。小智君认为，谷歌的这一举动是为了缩小过去一年里与其它科技巨头之间越来越明显的竞争差距，毕竟，除了它以外，微软和亚马逊也纷纷押注于MLaaS，期望能在人工智能领域拥有属于自己的主导权。从现在的情况来看，MLaaS还处于起步阶段，但它可能会成为一个主导的人工智能平台，让企业更倾向于通过AI服务来处理杂乱的细节问题。

既然谷歌，微软，亚马逊纷纷投入MLaaS研究，那么谁更胜一筹呢？接下来小智君就为大家分别介绍一下每个公司的策略和战术，聊一聊谁会是最终的赢家。

机器学习是很难的，特别是复杂的深度学习领域。一个深度神经网络需要接受数以百万计的数据样本训练，才能进行特征提取和识别，最终完成分类。这是“AI时代”的曙光，所以企业和政府机构当然在争先恐后地弄清楚他们需要做些什么，才能避免错过“下一件大事”。

为了达成这一目标，他们必须决定要投资哪些项目，雇佣专业人才，购买大量的服务器和GPU，为监督学习任务提供数据，之后再建立和优化自己的深度神经网络（DNN）。听起来很难，是吗？没关系，这就是MLaaS出现的原因。

MLaaS提供了一个更简单的选择：在由主要的云服务提供商提供的图像，视频，语音和自然语言处理上，采取捷径，即使用预先训练的神经网络进行处理。当你可以编写一个基于云的应用程序并可以通过简单地API访问预选训练过的网络时，为什么还要花费许多时间和金钱来训练一个神经网络呢？

我们先来看一看谷歌，微软和亚马逊不同的优势和方法。

策略

利用谷歌在人工智能和深度学习方面的领导能力（该公司有超过7000个AI项目在内部进行，其全球AI用户超过100万人），为人工智能的开发提供最先进的开发工具和最高性能的硬件平台。这些主要是针对开发人员而言，因为谷歌没有像微软一样庞大的用户群体。

战术

使TensorFlow成为人工智能硬件和软件的王者。

把AI用于AI的开发。谷歌表示，其Cloud AutoML可以大大简化DNN开发的复杂性，它可以从客户的数据中建立一个定制的深度学习模型，无需额外的自定义数据来增加一个预先训练的API。

谷歌还将内部数据标签化作为了一项服务。一些人认为这一手动过程最终会由AI自动完成。

将谷歌的搜索范围扩大到数据中心，比如消费设备和自动驾驶汽车，并在谷歌的云平台上获取人工智能开大的整个频谱。

策略

通过在大型企业和政府机构中安装器基础设施和业务流程工具，成为了企业中默认的ML技术提供商。

战术

提供大量的机器学习API来处理不同类型的数据。允许用户使用包括企业产品、人员等在内的数据样本扩展神经网络。

为需要建立深层神经网络的客户提供最高的机器学习框架，特别是自然语言处理。

它的每款产品都可以通过Office 365、Dynamics、Windows等提高性能。

策略

使用AWS大规模的、丰富的工具集，为AI应用程序提供最具成本效益的开发和部署平台。

战术

AWS服务为亚马逊庞大的在线业务提供工具和平台。为Alexa和电子商务业务开发的工具可以轻松完成一个聊天机器人或语音激活产品或其他同类服务。

提供世界级的开发工具，如MXNet框架、Lex、Rekognition和SageMaker，以减轻开发负担。

为每个开发人员提供最具成本效益的云基础设施，而不考虑开发人员选择哪种CPU、GPU或人工智能框架。

首先，小智君要先做一个提醒：不管这些AI服务有多么先进，企业都需要认识到它的局限性所在。如果预先训练的网络服务不能充分涵盖用户想要的人脸识别、或针对对象的范围，那该怎么办呢？如果用户想在自己的基础设施上运行AI应用程序，将有价值的数据保存在内部，这是安全的吗？

无论是哪种情况，这都不是追求AI发展的企业想要的，微软和谷歌正在试图解决这些功能的局限性，小智君认为：谷歌未来可以产生更准确的结果——AutoML的实质是构建一个AI模型，而不是简单地提供一个可定制的预处理层。

总的来说，小智君认为，在传统的企业级市场，微软会有很大的胜算，而谷歌和亚马逊将继续争夺新兴云计算领域AI应用开发的领导地位，谷歌云平台将托管使用TensorFlow构建的应用程序，而AWS可能会为硬核AI开发人员和应用程序托管市场提供服务。

【本文系人工智能观察作者AI小智君原创，转载请联系作者并注明出处，