Облачные платформы для создания ИИ приложений
Обновлено: 10.10.2024 |
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.
Пользователи, которые искали ИИ платформы, потом также интересовались следующими продуктами:
См. также: Топ 10: Облачные платформы
Пользователи, которые искали ИИ платформы, потом также интересовались следующими продуктами:
См. также: Топ 10: Облачные платформы
2023. Google запустил AI Studio для разработки приложений и чат-ботов с ИИ
Google запустила новый инструмент AI Studio для разработки приложений и чат-ботов, который основан на недавно анонсированной семье моделей Gemini. AI Studio предлагает довольно щедрую бесплатную квоту вплоть до 60 запросов в секунду, что должно быть достаточно для тестирования идей новых продуктов и сервисов на базе ИИ без особых ограничений. У этого есть своя цена: рецензенты Google смогут просматривать ввод и вывод API и веб-приложения для улучшения качества продукта. При этом компания обещает, что не будет сопоставлять данные с учетной записью в Google и ключами API конкретного пользователя. В сравнении с предыдущей версией MakerSuite, AI Studio куда более продвинута. Она поддерживает как Gemini Pro, так и модель Gemini Pro Vision, позволяет работать не только с текстом, но и с изображениями (но не создавать их). Веб-интерфейс разрешает разработчикам выбирать модели, настраивать творческий диапазон и приводить примеры, чтобы задать боту тон и стиль.
2023. Платформу Google Vertex AI доработали для создания генеративных моделей
Google представил обновление свой облачной платформы Vertex AI, которая обеспечивает рабочие процессы для создания, обучения и развертывания моделей машинного обучения. Vertex AI теперь включает обновленные модели ИИ для генерации текста, изображений и программного кода, а также расширения, которые позволяют разработчикам подключать данные компании и предпринимать действия от имени пользователя. Google утверждает, что модель генерации кода Codey улучшила качество на 25% в основных поддерживаемых языках программирования. А Imagen, модель генерации изображений, теперь позволяет клиентам создавать изображения. «соответствующие своему бренду», после обучения всего лишь на 10 эталонных изображениях.
2021. Амазон представила no-code сервис для машинного обучения
На платформе AWS появился новый сервис машинного обучения Amazon SageMaker Canvas. В отличие от существующих сервисов машинного обучения на Amazon, здесь целевая аудитория - не data-science специалисты и инженеры, а бизнес-пользователи. Обещание SageMaker Canvas состоит в том, что он позволит любому создавать модели прогнозирования на базе машинного обучения, используя визуальный интерфейс. Microsoft Azure и другие провайдеры тоже предлагают аналогичные инструменты, однако преимущество AWS в том, что многие компании в любом случае уже хранят все свои данные на AWS.
2021. Amazon представила новый чип для машинного обучения на AWS
Amazon представила чип Trn1, специально созданный для задач глубокого обучения. Этот продукт, как отмечают наблюдатели, напрямую будет соперничать с чипами от Nvidia. Производитель ожидает, что обучение моделей машинного обучения с использованием Trn1 будет обходиться на 40% дешевле, чем на платформах конкурентов. Инстансы будут предлагать сетевую пропускную способность до 800 Гбит/с. Кроме того, из них можно будет формировать кластеры из десятков тысяч систем. Экземпляры Trn1 доступны в предварительной версии. Несмотря на разработку собственных чипов AWS по-прежнему тесно сотрудничает с Intel, AMD и Nvidia. Браун заявил, что его компания предпринимает все усилия, чтобы сохранить конкуренцию в сегменте, предлагая потребителям выбор процессорных платформ.
2021. oneFactor ускорил создание ML-моделей на платформе SmartMachine
Компания oneFactor (за счет использования новых процессоров Intel Xeon Scalable) в 19 раз ускорила обучение алгоритмов на платформе SmartMachine для максимально быстрого запуска ML-сервисов. SmartMachine - это облачная платформа для операторов связи, которая позволяет быстро запускать сервисы для автоматизации бизнес-процессов в различных секторах экономики: банковском секторе, ретейле, страховании, E-commerce, рекламном бизнесе, сити-менеджменте, транспорте и туризме. Сервис повышает эффективность CRM-кампаний, выявляет заинтересованность в покупке продукта или услуги, позволяет проводить персональную коммуникацию и валидировать адресную информацию в режиме онлайн.
2021. HPE купила разработчика ПО для ускоренного обучения искусственного интеллекта
Компания HPE купила американский стартап Determined AI, который занимается разработкой программного обеспечения для ускорения обучения алгоритмов искусственного интеллекта. Это приобретение расширит возможности HPE в области машинного обучения в то время, когда ИИ становится все более приоритетным для покупателей суперкомпьютеров и серверов компании. Платформа Determined AI ускоряет развитие проектов машинного обучения за счет устранения необходимости настраивать среду обучения ИИ вручную. Более того, при отсутствии функций отказоустойчивости, таких как есть у Determined AI, сбой сервера может потребовать от инженеров перезапуска обучающего цикла с нуля, что еще больше увеличивает продолжительность проекта.
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.
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. 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. 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.