Облачные платформы для создания ИИ приложений

Облачные платформы для машинного обучения позволяют проводить обучение нейросетей быстрее и дешевле, а также предоставляют дополнительные инструменты для разработчиков ИИ приложений. Примеры облачных ИИ платформ - даны ниже.

См. также: Топ 10: ИИ платформы

16.12.20. BAUM AI - российская ИИ платформа для обработки больших данных


Компания «Баум-Информ» разработала программно-технический комплекс BAUM AI, который позволяет в пару кликов обратиться к данным и собрать свою модель искусственного интеллекта, провести ее обучение, верификацию и тестирование.. Это симбиоз систем хранения данных, вычислительных процессоров Nvidia (в планах — совместимость с процессорами «Модуль» и IVA) и софта собственной разработки. Комплекс позволяет создавать, обучать или использовать предобученные модели искусственного интеллекта без необходимости прямого кодирования по принципу drag n drop. BAUM AI оснащен интуитивно-понятным графическим интерфейсом. Решение используется библиотеками, ВУЗами, финансовыми, производственными компаниями, силовыми структурами, отраслевыми НИИ, медициной.


2020. Сбер разработал платформу для работы с ИИ


Сбер и SberCloud представили ML Space, платформу для работы с искусственным интеллектом (ИИ). Платформа ML Space содержит инструменты и ресурсы для создания, обучения и развертывания моделей машинного обучения, там есть как быстрое подключение к источникам данных, так и автоматическое развертывание обученных моделей на динамически масштабируемых мощностях SberCloud. Сейчас платформа доступна только для команд внутри компании, в частности SberDevices и «Центр речевых технологий». Для всех остальных сервис будет запущен с 12 декабря 2020 года. Представители «Сбера» обещают, что цены на использование ML Space будут самыми низкими в сравнении с аналогичными предложениями и будут тарифицироваться по принципу Pay-As-You-Go (оплата по мере потребления).


2020. Intel купила разработчика платформы для оптимизации искусственного интеллекта


Intel купила стартап SigOpt, который специализируется на программном обеспечении на основе ИИ и машинного обучения. Платформа и API SigOpt оптимизируют гиперпараметры - параметры, значения которых используются для управления процессом обучения модели ИИ, - для создания высокопроизводительных моделей в производстве. Платформа SigOpt поддерживает 100 гиперпараметров, а также байесовские и глобальные алгоритмы оптимизации. С помощью нескольких строк кода разработчики ПО смогут встраивать SigOpt в рабочие процессы независимо от типа платформы ИИ, облачной инфраструктуры или клиентской библиотеки. Используя библиотеку, которая может создавать до нескольких десятков тысяч экспериментов одновременно, SigOpt помогает параметризовать модели и запускать циклы оптимизации, отслеживать метаданные экспериментов и предоставлять анализ на информационной панели веб-аналитики.


2020. Яндекс первым в мире запускает машинное обучение в облаке на бессерверных технологиях


Яндекс запускает сервис для разработки моделей машинного обучения Yandex Datasphere, в котором впервые в мировой практике публичных облаков применена технология бессерверных (serverless) вычислений (при которой облако автоматически и управляет выделением вычислительных ресурсов в зависимости от пользовательской нагрузки). Это позволяет пользователям перейти на оплату по фактическому потреблению сервисов, что, по оценке представителей «Яндекса», позволяет добиться значительной экономии.


2020. Яндекс.Облако и Nvidia запустили библиотеку приложений для работы с ИИ


Яндекс.Облако и вместе с Nvidia запустили для российских компаний библиотеку приложений для работы с нейросетями. На платформе представлено программное обеспечение Parabricks, которое применяется для разработки ПО на TensorFlow и Pytorch. Платформа поможет быстро запускать ИИ приложения для бизнеса. Яндекс вложит в развитие Яндекс.Облака и разработку инструментов ИИ $40 млн. Компания может увеличить инвестиции, если спрос на ИИ-решения вырастет, рассказал её представитель. На эти деньги «Яндекс» купит оборудования для увеличения вычислительных возможностей платформы и расширит команду разработчиков.


2019. Платформа SAP Data Intelligence позволит создавать бизнес-системы на базе ИИ


SAP представил новой платформы для работы с данными SAP Data Intelligence. С помощью этого решения можно создавать сервисы на основе машинного обучения и оснащать ими бизнес-системы предприятий, в частности SAP S/4HANA. Платформа предоставляет инструменты для создания и работы с моделями данных, их наполнения, обучения, переобучения, прогнозирования и дальнейшей промышленной эксплуатации. Решение может интегрироваться с SAP-системами и с любым другим ПО предприятия. Оно гибко масштабируется, подходит для инновационного проекта любого бизнеса, а также даёт возможность привлекать стартапы для работы с данными клиента.


2019. Сбербанк создает облачную платформу с ИИ сервисами


Сбербанк хочет быть не только крупнейшим провайдером SaaS сервисов для бизнеса, но и создает собственную облачную платформу - SberCloud. Пока ее основной услугой является виртуальный ЦОД (аренда серверов), а также есть пара решений для госорганов. Но, вероятно, скоро появится полноценная платформа типа Amazon Web Services (кстати, ходят слухи, что Сбербанк ведет переговоры именно с Amazon о перепродаже ее платформы в России). А недавно они договорились с Nvidia о совместном развитии ИИ сервисов на платформе SberCloud. Речь идет о когнитивных сервисах для анализа и синтеза речи, компьютерного зрения, распознавания символов и текстов и других задач. Напомним, Nvidia является ведущим производителем hardware для машинного обучения.


2019. Google представил облачный сервис AI Platform для создания ML-моделей


Google представила бета-версию сервиса AI Platform. Пользователю предлагается выбрать один из готовых алгоритмов обработки данных, либо обучить и развернуть собственную модель. Платформа объединяет множество существующих и новых продуктов, которые в совокупности предоставляют собой полный цикл разработки моделей. AI Platform включает алгоритмы для обработки и разметки данных. Большая часть сервисов - платные, но есть и бесплатные. Например, вы можете свободно использовать Kuberflow, AI Hub, notebooks и с ограничениями использовать облачное хранилище.


2018. Mail.Ru запустила платформу для машинного обучения


На облачной платформе Mail.Ru Cloud Solutions появился сервис Cloud Machine Learning, позволяющий создавать решения на основе машинного обучения, не выстраивая собственную инфраструктуру. В состав сервиса войдут API для интеграции в решения компьютерного зрения, API для аудиоаналитики и рабочее место аналитика по работе с большими данными – инструмент для быстрого разворачивания популярных сред для обучения моделей на основе нейронных сетей. Разработчикам не придется разрабатывать собственную инфраструктуру – они получат набор уже настроенных «из коробки» инструментов. Cloud Machine Learning от Mail.Ru Group позволит не тратить средства на создание рабочей среды и таким образом повысит темпы вывода новых продуктов.


2018. IBM запустила облачную платформу для обучения нейросетей на базе Watson Studio


Онлайн платформа Watson Studio получила новое дополнение - Deep Learning as a Service (DLaaS). Оно дает возможность более широкому кругу предприятий использовать последние достижения в области машинного обучения, снизив порог входа. С новых инструментов разработчики могут разрабатывать свои модели с теми же фреймворками с открытым исходным кодом, которые они, вероятно, уже используют (например, TensorFlow, Caffe, PyTorch, Keras и т. Д.). Новый сервис IBM по существу предлагает эти инструменты в виде облачных сервисов, и разработчики могут использовать стандартный Rest API для обучения своих моделей с использованием ресурсов, которые им нужны, или в рамках имеющегося у них бюджета. В IBM утверждают, что их сервис предлагает ряд преимуществ перед Azure ML Studio. Он предлагает визуальный конструктор нейронных сетей, который позволяет даже непрограммистам настраивать и проектировать свои нейронные сети.


2018. Oracle запустил платформу для создания ИИ-приложений


Для ИТ-гигантов наличие арсенала технологий искусственного интеллекта - обязательно, по крайней мере для того, чтоб инвесторы не волновались и стоимость акций не падала. Поэтому Oracle тоже запустил ИИ-платформу - AI Platform Cloud Service, предназначенную для создания корпоративных приложений на базе технологий машинного обучения, с поддержкой популяных фреймворков типа Caffe, Keras и TensorFlow. Главные конкуренты: Microsoft, IBM, Amazon и Google сделали это уже давно. Причем их платформы, в отличии от Оракловской предоставляют не только молоток и гвозди (фреймворки) для обработки неструктурированных данных, но и интеллектуальные сервисы более высокого уровня, например распознавание изображений и речи.


2018. Google запустил простой сервис машинного обучения для бизнеса


В Гугле говорят, что многие бизнесы могли бы воспользоваться достижениями технологии машинного обучения, например, для автоматической сортировки товаров в интернет-магазине или визуального контроля качества произведенной продукции. Но, говорят, у бизнесов не достаточно хороших программистов, которые могли бы запрограммировать нейросеть. Поэтому Гугл выпустил "сервис для чайников" Cloud AutoML (или для тех кто хочет поиграться с искусственным интеллектом, но всегда боялся это сделать). Обещается, что основная работа по созданию нейросети будет состоять в загрузке паттернов (изображений, звуков, текстов) и из разметки для обучения нейросети. Все остальные настройки можно будет сделать в визуальном редакторе. Потом сервис можно подключить к своей системе с помощью API и автоматизировать задачи. Правда, пока Cloud AutoML может работать только с изображениями.


2017. Microsoft добавил гугловскую систему машинного обучения TensorFlow в облако Azure Machine Learning


Microsoft представила набор инструментов Azure Batch AI Training для обучения глубоких нейросетей, который скоро станет частью платформы Azure Machine Learning. Он позволяет использовать наиболее популярные фреймворки для глубокого обучения TensorFlow от Google, Cognitive Toolkit от Microsoft, Caffe и «любые другие библиотеки». Система предназначена для обучения глубоких нейросетевых моделей — например, реккурентных и свёрточных нейронных сетей и глубоких сетей доверия. Одна из основных особенностей таких моделей заключается в том, что для их работы требуются большие объёмы памяти для хранения и обработки информации обо всех внутренних зависимостях.


2017. Google добавил поддержку GPU в своей облачной платформе


Для обучения нейросетей на базе популярных фреймворков TensorFlow, Torch, MXNet или Caffee нужно использовать мощные графические карты, стоимостью несколько тысяч долларов (типа Nvidia Tesla K80). Поэтому очень мило, когда облачные провайдеры предоставляют возможность арендовать машину с такой видеокартой за небольшую часовую плату. Такую возможность предоставляют уже Amazon и Microsoft. Теперь к ним присоединился еще и Google, добавив поддержку GPU в облаке Google Cloud Machine Learning. Стоимость аренды GPU с оперативной памятью 24 Гб - $0.70/час.


2016. Google предоставил свои технологии машинного обучения в качестве облачных API


В облачной платформе Google Cloud Platform появился сервис Learning Cloud Machine, который предоставляет возможность сторонним разработчикам создавать приложения, использующие ИИ-технологии компании. На данный момент сервис предоставляет 4 API-интерфейса: Cloud Speech API (распознавание речи), Vision API (компьютерное зрение), Translate API (переводчик), Cloud Natural Language API (обработка естественного языка). Например, стороннее приложение может отправить в Cloud Speech API запись голоса и получить обратно текстовую транскрипцию. Качество распознавания будет таким же, как например в Google Now. При этом разработчику нет необходимости самому разбираться в машинном обучении для распознавания речи. Напомним, в марте подобный ИИ API запустила и Microsoft.


2016. Microsoft запустила ИИ-сервисы для разработчиков


Microsoft открыла доступ к сервисам Microsoft Cognitive Services, которые представляют собой API-интерфейсы к технологиям машинного обучения. С помощью этих API-интерфейсов разработчики могут очень просто встроить в свои гаджеты и приложения такие функции как распознавание речи, компьютерное зрение, распознавание лиц, проверку правописания, обработку естественного языка и т.д. Разумеется, за каждую транзакцию нужно будет заплатить денежку, например $1.5 за тысячу распознанных лиц. Напомним, IBM запустила подобную платформу для разработчиков на базе Watson еще в 2014 году.


2015. Стартап H2O получил $20 млн на развитие open-source платформы машинного обучения для бизнеса


H2O - это open-source платформа, позволяющая предприятиям быстро обрабатывать большие массивы неструктурированных данных с помощью машинного обучения. H2O.ai, компания, которая разработала эту платформу, получила очередные $20 млн инвестиций (добив общую сумму инвестиций до $34 млн). Платформа H2O уже широко используется в финансовой сфере, страховании и медицине для таких задач как предсказание оттока клиентов, защита от фрода, рекомендация оптимальных продуктов для клиентов, рекомендация оптимальных медицинских препаратов.


2015. Amazon добавила сервис машинного обучения в свою облачную платформу


Облачная платформа Amazon служит базой для многочисленных приложений. И чтобы эти приложения соответствовали духу времени и умнели, Amazon добавила на эту платформу новый сервис - Amazon Machine Learning. Он позволяет использовать алгоритмы машинного обучения для создания моделей поиска закономерностей в больших данных. Напомним, в прошлом году IBM запустила платформу, позволяющую использовать возможности искусственного интеллекта Watson в сторонних приложениях, однако в том случае речь шла о конкретных ИИ-функциях (типа распознавания речи и машинного перевода). Amazon же предлагает более универсальный инструмент для обработки любых больших данных.


2015. IBM купила облачного провайдера ИИ-сервисов AlchemyAPI


В прошлом году IBM придумала, как монетизировать свой искусственный интеллект Watson - разместила его на облачной платформе и позволила разработчикам приложений использовать его способности по обработке речи и языка. С тех пор уже создано 7000 приложений с элементами ИИ, предоставляемыми Ватсоном. Однако, IBM - не единственная компания, которая предоставляет ИИ-сервисы. Стартап AlchemyAPI еще с 2011 года предоставлял свои технологии, основанные на глубинном обучении нейросетей, в качестве API-сервисов. Поэтому IBM просто купила конкурента и получила не только сообщество разработчиков, но и технологию компьютерного зрения, которой у Watson изначально не было.


2014. Microsoft открыла платформу машинного обучения на базе облака Azure


Помните, как в книге "Автостопом по Галактике" люди постоянно давали супер-умному роботу Марвину простейшие поручения, из-за чего он постоянно находился в депрессии. Так и у нас сейчас обстоит дело с облачными вычислениями. На сегодняшний день основной функцией облачных платформ по факту является простое хранение данных. Мы вводим в облако какие-то данные, а потом их просматриваем. Но уже скоро ситуация изменится и компьютерная сеть начнет думать. Сегодня Microsoft представила Azure Machine Learning - облачную платформу, на которой разработчики смогут быстро создавать приложения, использующие машинное обучение. Такие приложения смогут выполнять простые разумные операции на больших объемах данных, что не под силу даже лучшему аналитическому отделу. Например, они могут помочь торговым компаниям закупать только те товары, которые будут пользоваться спросом, или помочь медикам диагностировать болезни по снимкам медицинских сканеров.