Ahora que sabemos que los Terminators no vendrán a por nosotros, ¡es hora de hacernos amigos de la Inteligencia Artificial y beneficiarse de ella!

Durante mucho tiempo el campo de la Inteligencia Artificial, y su subdisciplina más famosa, Aprendizaje automático, estaban rodeados de un aura misteriosa. La maquinaria de la prensa de propaganda estaba lanzando artículo tras artículo prediciendo el surgimiento de máquinas súper inteligentes, súper independientes y súper malvadas, haciendo que muchos cayeran en la desesperación (incluido yo mismo).

¿Y qué tenemos hoy para mostrar con todo el ruido y el humo? Una tecnología de inteligencia artificial que está lejos de ser perfecta, vergonzosa errores, y un robot limitado y defectuoso que, casi por la fuerza, se convirtió en un ciudadano. Demonios, ni siquiera tenemos un algoritmo de traducción de idiomas decente todavía.

Si hoy alguien todavía insiste en que el fin del mundo está cerca, aquí está mi reacción:

Entonces, ¿qué es IA, ML y todas esas palabras de moda si no es el fin de la humanidad?

Bueno, estas son nuevas formas de programar una computadora para resolver los problemas relacionados con clasificaciónpredicción. Y adivinen qué, finalmente tenemos muchos servicios de IA que puede comenzar a usar de inmediato en su aplicación comercial y obtener enormes beneficios.

¿Qué pueden hacer las plataformas de IA por las empresas hoy en día?

Buena pregunta!

La inteligencia artificial es tan genérica en su aplicación (al menos en teoría) que sería imposible señalar el propósito para el que fue desarrollada. Es como preguntar para qué se desarrolló una hoja de cálculo y qué se puede hacer con ella. Claro, fue desarrollado para contabilidad, pero hoy excede con creces esa responsabilidad. Y la contabilidad no es la única función: la gente la usa como una herramienta de gestión de proyectos, como una lista de tareas pendientes, como una base de datos y otras cosas.

Lo mismo ocurre con la IA.

En términos generales, la IA es útil para tareas que están vagamente definidas y se basan en el aprendizaje de la experiencia. Sí, eso es lo que también hacen los humanos, pero la IA tiene una ventaja, ya que puede procesar montañas de datos en poco tiempo y llegar a conclusiones mucho, mucho más rápido. Como tal, algunas de las aplicaciones típicas de la IA son:

  • Detectar rostros en una foto, video, etc.
  • Clasificar y etiquetar imágenes, por ejemplo, para asesoramiento a los padres
  • Conversión de voz a texto
  • Detección de objetos en los medios (p. Ej., Un automóvil, una mujer, etc.)
  • Predicción del movimiento de los precios de las acciones
  • Detección de financiación del terrorismo (entre millones de transacciones por día)
  • Sistemas de recomendación (compras, música, amigos, etc.)
  • Captcha rompiendo
  • filtrado de spam
  • Detección de intrusiones en la red

Podría seguir y seguir, y probablemente quedarme sin páginas (en sentido figurado), pero supongo que entiendes la idea ahora. Todos estos son ejemplos de problemas que los humanos han luchado por resolver a través de los medios tradicionales de computación. Y sin embargo, estos son importantes ya que tienen una tremenda necesidad en los negocios y en el mundo real.

Entonces, sin más preámbulos, comencemos con la lista de nuestras principales plataformas de inteligencia artificial y veamos qué tienen para ofrecer.

Amazon AI Services

Así como Amazon está sacando rápidamente a las empresas del negocio, por lo que AWS es tan totalmente dominante como plataforma que no se le ocurre casi nada más. Lo mismo ocurre con Servicios de IA de Amazon, que está repleto de servicios de IA increíblemente útiles.

Estos son algunos de los servicios alucinantes que tiene AWS.

Amazon comprende: Le ayuda a dar sentido a toda la montaña de datos textuales y no estructurados que tiene. Un caso de uso es el de minar los chats de soporte al cliente existentes y averiguar cuáles han sido los niveles de satisfacción a lo largo del tiempo, cuáles son las principales preocupaciones del cliente, qué palabras clave se utilizan más, etc.

Video de Youtube

Pronóstico del Amazonas: Servicio de configuración cero para usar sus datos de series de tiempo existentes y convertirlos en pronósticos precisos para el futuro. En caso de que se esté preguntando qué son los datos de series de tiempo, eche un vistazo a este artículo Escribí recientemente (busque una base de datos llamada Timescale hacia el final del artículo).

Amazon Lex: Cree interfaces de conversación (textuales y / o visuales) en sus aplicaciones. Detrás de escena se están ejecutando los modelos de aprendizaje automático capacitados de Amazon que decodifican la intención y hacen la conversión de voz a texto sobre la marcha.

Video de Youtube

Amazon Personalizar: Servicio simple y sin infraestructura para crear recomendaciones para sus clientes o para usted mismo. Puede ingresar datos de comercio electrónico o casi cualquier cosa en este servicio y disfrutar de sugerencias muy precisas e interesantes. Por supuesto, cuanto mayor sea el conjunto de datos, mejores serán las recomendaciones.

Hay muchos más servicios de inteligencia artificial que tiene Amazon, y podrías pasar todo el día navegando por ellos. Sin embargo, ¡es una actividad que recomiendo de todo corazón! 🙂

Nota: Es difícil encontrar un resumen de todos estos servicios juntos en los documentos de AWS, pero si visita https://aws.amazon.com/machine-learning, estos se enumeran en el menú desplegable en "Servicios de IA".

TensorFlow

TensorFlow es una biblioteca (y también una plataforma) creada por el equipo detrás Google Brain. Es una implementación del subdominio ML llamado Deep Learning Neural Networks; es decir, TensorFlow es la versión de Google sobre cómo lograr el aprendizaje automático con redes neuronales utilizando la técnica del aprendizaje profundo.

Ahora, eso significa que TensorFlow es, por supuesto no la única forma de usar las redes neuronales: hay muchas bibliotecas, cada una con sus pros y sus contras.

En términos generales, TensorFlow le permite las capacidades de aprendizaje automático estándar para muchos entornos de programación diferentes. Dicho esto, la plataforma base es bastante visual y se basa principalmente en gráficos y visualizaciones de datos para hacer el trabajo. Como tal, incluso si no eres programador, es posible, con algo de esfuerzo, obtener buenos resultados con TensorFlow.

Históricamente, TensorFlow tenía como objetivo "democratizar" el aprendizaje automático. En mi conocimiento, fue la primera plataforma que hizo ML simple, visual y accesible hasta este grado. Como resultado, el uso de ML se disparó y las personas pudieron entrenar modelos fácilmente.

El punto de venta más importante de TensorFlow es Keras, que es una biblioteca para trabajar de manera eficiente con redes neuronales mediante programación. Así es como es simple crear una red simple y completamente conectada (perceptrón):

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'))

Por supuesto, también es necesario realizar la configuración, la formación, etc., pero también son igualmente simples.

Es difícil encontrar fallas en TensorFlow, considerando que ha traído ML a JavaScript, dispositivos móviles e incluso soluciones de IoT. Sin embargo, a los ojos de los puristas, sigue siendo una plataforma "menor" con la que todos los Tom, Dick y Harry pueden meterse. Por lo tanto, prepárate para enfrentar cierta resistencia a medida que asciendes en la escala de habilidades y encuentres más almas "iluminadas". 🙂

Si eres un novato, mira esto Curso en línea de introducción a TensorFlow.

También tenga en cuenta: algunas críticas a TensorFlow mencionan que no puede usar GPU, lo cual ya no es cierto. Hoy en día, TensorFlow no solo funciona con GPU, sino que Google ha desarrollado su único hardware especializado llamado TPU (Unidad de procesamiento de TensorFlow), que está disponible como una nube. excepcional.

Google AI Services

Al igual que los servicios de Amazon, Google también tiene un paquete de servicios en la nube. servicios girando en torno a la IA. Me abstendré de enumerar todos los servicios, ya que son bastante similares a las ofertas de Amazon. Aquí hay una captura de pantalla de lo que está disponible para que los desarrolladores creen si están interesados:

En términos generales, hay dos formas de utilizar los servicios de inteligencia artificial de Google. La primera es utilizar un modelo ya entrenado por Google y comenzar a aplicarlo en sus productos. El segundo es el llamado AutoML service, que automatiza varias etapas intermedias de Machine Learning, ayudando, por ejemplo, a los desarrolladores de pila completa con menos experiencia en ML a construir y entrenar modelos fácilmente.

H2O

Se supone que el "2" en H2O es un subíndice (que se parece a la fórmula química del agua, supongo), pero es molesto escribirlo. Espero que la gente detras H2OH no importará tanto!

H2O es una plataforma de código abierto para el aprendizaje automático que utilizan los grandes nombres incluidos en Fortune 500.

La idea principal es hacer que la investigación de IA de vanguardia llegue al público en general en lugar de dejar que permanezca en manos de empresas con grandes bolsillos y apalancamiento. Se ofrecen varios productos bajo la plataforma H2O, tales como:

  • H2O: La plataforma base para explorar y usar Machine Learning.
  • Agua con gas: Integración oficial con Apache Spark para grandes conjuntos de datos.
  • H2O4GPU: Versión acelerada por GPU de la plataforma H2O.

H2O también crea soluciones a la medida de la empresa, y estas incluyen:

  • IA sin conductor: No, la IA sin conductor no tiene nada que ver con los coches autónomos. 🙂 Está más en la línea de la oferta de AutoML de Google: la mayoría de las etapas de AI / ML están automatizadas, lo que resulta en herramientas que son más simples y rápidas de desarrollar.
  • Soporte pagado: Como empresa, no puede esperar para plantear problemas de GitHub y esperar que se respondan pronto. Si el tiempo es dinero, H2O ofrece soporte y consultoría de pago para grandes empresas.

Petuum

Petuum desarrolla el Sinfonía plataforma, que está diseñada para que la IA no me haga pensar. En otras palabras, si está cansado de codificar y / o no quiere memorizar más bibliotecas y formatos de salida, Symphony se sentirá como unas vacaciones en los Alpes.

Si bien no hay nada "abierto" sobre la plataforma Symphony, vale la pena babear sobre las características:

  • IU de arrastrar y soltar
  • Construya fácilmente canalizaciones de datos interactivas
  • Toneladas de bloques de construcción estandarizados y modulares para crear aplicaciones de IA más sofisticadas
  • Interfaces de programación e API que sienten que la forma visual no es lo suficientemente poderosa
  • Optimización automatizada con GPU
  • Plataforma distribuida y altamente escalable
  • Agregación de datos de múltiples fuentes

Hay muchas más características que realmente le harán sentir que la barrera de entrada se ha reducido considerablemente. ¡Muy recomendable!

Polyaxon

El mayor desafío actual en el aprendizaje automático y la inteligencia artificial no es encontrar buenas bibliotecas y algoritmos (o incluso recursos de aprendizaje), sino la ingeniería especializada que debe aplicarse para lidiar con los sistemas gigantes y las altas cargas de datos que resultan.

Incluso para los ingenieros de software experimentados, puede resultar demasiado complicado. Si tú también te sientes así Poliaxón vale la pena mirar.

Polyaxon no es una biblioteca ni siquiera un marco; más bien, es una solución de principio a fin para gestionar todos los aspectos del aprendizaje automático, como:

  • Conexiones de datos y transmisión
  • Aceleracion de hardware
  • Containerización y orquestación
  • Programación, almacenamiento y seguridad
  • Canalización, optimización, seguimiento, etc.
  • Tableros, API, visualizaciones, etc.

Es prácticamente independiente de la biblioteca y el proveedor, ya que se admiten una gran cantidad de soluciones populares (de código abierto y cerrado).

Por supuesto, todavía tiene que lidiar con la implementación y el escalado en un cierto nivel. Si desea escapar incluso de eso, Polyaxon ofrece una solución PaaS que le permite usar su infraestructura de manera elástica.

DataRobot

En pocas palabras, robot de datos es una solución de Machine Learning enfocada para la empresa. Es visual en todo momento y está diseñado para dar sentido rápidamente a sus datos y distribuirlos para un uso comercial concreto.

La interfaz es intuitiva y elegante, lo que permite a los no expertos ponerse detrás del volante y generar información significativa.

DataRobot no tiene muchas funciones; en cambio, se centra en el sentido tradicional de los datos y proporciona capacidades sólidas en:

  • Aprendizaje automático automatizado
  • Regresión y clasificación
  • Series de tiempo

La mayoría de las veces, esto es todo lo que necesita para su empresa. Es decir, en la mayoría de los casos, DataRobot es todo lo que necesita. 🙂

NeuralDesigner

Ya que estamos en el tema de plataformas de IA potentes y fáciles de usar, NeuralDesigner Merece una mención especial.

No hay mucho que decir sobre NeuralDesigner, ¡pero hay mucho que hacer! Dado que Neural Networks ha dominado más o menos la metodología moderna de Machine Learning, tiene sentido trabajar con una plataforma que se centre únicamente en Neural Networks. No hay muchas opciones, sin distracciones: calidad sobre cantidad.

NeuralDesigner sobresale de muchas maneras:

  • No requiere programación. En absoluto.
  • No se requiere construcción de interfaces complejas. Todo se presenta en pasos ordenados, sensatos y fáciles de entender.
  • Una colección de los algoritmos más avanzados y refinados específicos para redes neuronales.
  • Paralelización de CPU y aceleración de GPU para alto rendimiento.

Vale la pena vea? ¡Seguro!

Prevision.io

Pervision.io es una plataforma para administrar todos los aspectos del aprendizaje automático, desde el procesamiento de datos hasta la implementación a escala.

PredictionIO

Si eres un desarrollador, PredictionIO es una oferta increíblemente útil que debería considerar. En esencia, PredictionIO es una plataforma de aprendizaje automático que puede ingerir datos de su aplicación (web, móvil o de otro tipo) y generar predicciones rápidamente.

No se deje engañar por el nombre: PredictionIO no es solo para predicciones, sino que es compatible con todo el espectro de Machine Learning. Aquí hay algunas buenas razones para amarlo:

  • Soporte para Clasificación, Regresión, Recomendaciones, PNL y lo que no.
  • Desarrolle para manejar cargas de trabajo serias en un entorno de Big Data.
  • Varios prediseñados plantillas para los que tienen prisa.
  • Viene con Apache Spark, MLlib, HBase, Akka HTTP y Elasticsearch, para satisfacer todas las necesidades posibles de una aplicación sólida y moderna.
  • Ingesta combinada de datos de múltiples fuentes, ya sea en modo por lotes o en tiempo real.
  • Implementado como un servicio web típico, fácil de consumir y alimentar.

Para la mayoría de los proyectos web, no veo por qué PredictionIO no tiene mucho sentido. ¡Sigue adelante e inténtalo!

Conclusión

No hay escasez de Marco de IA y ML o plataforma hoy; Me sentí abrumado por la elección cuando comencé a investigar para este artículo. Como resultado, he intentado reducir esta lista a las únicas o interesantes. Si cree que me he perdido algo importante, hágamelo saber.

Coursera obtuve algunos de los excelentes cursos de aprendizaje automático, así que verifique si está interesado en aprender.

Entonces, ¿qué plataforma es la mejor? Desafortunadamente, no hay una respuesta clara. Una de las razones por las que la mayoría de estos servicios están vinculados a una pila o ecosistema de tecnología en particular (principalmente la construcción de lo que se llama un jardín amurallado). La otra razón, más importante, es que a estas alturas, las tecnologías de IA y ML se han convertido en productos básicos y hay una carrera para ofrecer tantas funciones al precio más bajo posible. Ningún proveedor puede permitirse el lujo de no ofrecer lo que ofrecen los demás, y los competidores copian y sirven cualquier oferta nueva casi de la noche a la mañana.

Como tal, todo se reduce a cuáles son su pila y sus objetivos, qué tan intuitivo encuentra el servicio, cuál es su percepción de las empresas detrás de él, etc.

Pero sea cual sea el caso, no hace falta decir que la IA finalmente está disponible como un servicio, y sería extremadamente imprudente no hacer uso de ella. 🙂