10 plates-formes d'IA pour créer votre application moderne

Maintenant que nous savons que les Terminators ne viennent pas nous chercher, il est temps de se lier d'amitié avec l'Intelligence Artificielle et d'en profiter!

Depuis longtemps le domaine de l'Intelligence Artificielle, et sa sous-discipline la plus connue, Machine Learning, étaient entourés d'une aura mystérieuse. La machine de presse de propagande pompait article après article annonçant la montée en puissance de machines super-intelligentes, super-indépendantes et super-perverses, faisant sombrer beaucoup dans le désespoir (moi y compris).

Et qu'avons-nous aujourd'hui à montrer pour tout le bruit et la fumée? Une technologie IA qui est loin d'être parfaite, embarrassante erreurs, et un robot limité et défectueux qui a été, presque par force, transformé en citoyen. Heck, nous n'avons même pas encore d'algorithme de traduction de langue décent.

Si aujourd'hui, quelqu'un insiste encore sur le fait que la fin du monde est proche, voici ma réaction:

Alors, qu'est-ce que l'IA, le ML et tous ces mots à la mode si ce n'est la fin de l'humanité?

Eh bien, ce sont de nouvelles façons de programmer un ordinateur pour résoudre les problèmes liés à classification et prédiction. Et devinez quoi, nous avons enfin de nombreux services d'intelligence artificielle que vous pouvez commencer à utiliser immédiatement dans votre application professionnelle et en tirer d'énormes avantages.

Que peuvent faire les plateformes d'IA pour les entreprises aujourd'hui?

Bonne question!

L'intelligence artificielle est si générique dans son application (du moins en théorie) qu'il serait impossible de préciser le but pour lequel elle a été développée. C'est comme demander à quoi sert une feuille de calcul et ce que l'on peut en faire. Bien sûr, il a été développé pour la comptabilité, mais aujourd'hui, il dépasse de loin cette responsabilité. Et la comptabilité n'est pas la seule fonction - les gens l'utilisent comme outil de gestion de projet, comme liste de tâches, comme base de données, etc.

Il en va de même avec l'IA.

En gros, l'IA est utile pour les tâches qui sont définies de manière vague et reposent sur l'apprentissage de l'expérience. Oui, c'est ce que font aussi les humains, mais l'IA a un avantage car elle peut traiter des montagnes de données en un rien de temps et arriver à des conclusions beaucoup, beaucoup plus rapidement. En tant que tel, certaines des applications typiques de l'IA sont:

Détecter les visages sur une photo, une vidéo, etc.
Classer et étiqueter des images, par exemple, pour un avis parental
Conversion de la parole en texte
Détection d'objets dans les médias (par exemple, une voiture, une femme, etc.)
Prédiction du mouvement des cours des actions
Détection du financement du terrorisme (parmi des millions de transactions par jour)
Systèmes de recommandation (shopping, musique, amis, etc.)
Captcha cassant
Filtre anti-spam
Détection d'intrusion réseau

Je pourrais continuer encore et encore, et probablement manquer de pages (au sens figuré), mais je suppose que vous avez l'idée maintenant. Ce sont tous des exemples de problèmes que les humains ont eu du mal à résoudre grâce aux moyens informatiques traditionnels. Et pourtant, ceux-ci sont importants car ils ont un besoin énorme dans les affaires et dans le monde réel.

Alors, sans plus tarder, commençons par la liste de nos meilleures plates-formes d'IA et voyons ce qu'elles ont à offrir.

Amazon AI Services

Tout comme Amazon met rapidement les entreprises à la faillite, AWS est tellement dominant en tant que plate-forme qu'il n'y a presque rien d'autre qui me vient à l'esprit. Il en va de même avec Services d'Amazon AI, qui regorge de services d'IA incroyablement utiles.

Voici quelques-uns des services époustouflants d'AWS.

Amazon comprend : Vous aide à comprendre toute la montagne de données textuelles non structurées dont vous disposez. Un cas d'utilisation est celui d'explorer les discussions de support client existantes et de déterminer quels ont été les niveaux de satisfaction au fil du temps, quelles sont les principales préoccupations du client, quels mots-clés sont les plus utilisés, etc.

Prévisions Amazon: Service de configuration zéro pour utiliser vos données de séries chronologiques existantes et les transformer en prévisions précises pour l'avenir. Au cas où vous vous demandez ce que sont les données de séries chronologiques, jetez un œil à ceci article J'ai écrit récemment (cherchez une base de données appelée Timescale vers la fin de l'article).

Amazon Lex : Créez des interfaces conversationnelles (textuelles et / ou visuelles) dans vos applications. Dans les coulisses, les modèles d'apprentissage machine formés d'Amazon qui décodent l'intention et font de la synthèse vocale à la volée.

Personnaliser Amazon: Service simple et sans infrastructure pour créer des recommandations pour vos clients ou pour vous-même! Vous pouvez saisir des données de commerce électronique ou à peu près n'importe quoi dans ce service et profiter de suggestions très précises et intéressantes. Bien entendu, plus l'ensemble de données est volumineux, meilleures seront les recommandations.

Il existe de nombreux autres services d'intelligence artificielle offerts par Amazon et vous pourriez passer la journée à les parcourir. Néanmoins, c'est une activité que je recommande de tout cœur! 🙂

Remarque: il est difficile de trouver un résumé de tous ces services ensemble sur la documentation AWS, mais si vous accédez à https://aws.amazon.com/machine-learning, ceux-ci sont répertoriés dans la liste déroulante sous «Services AI».

TensorFlow

TensorFlow est une bibliothèque (et aussi une plateforme) créée par l'équipe derrière Google Brain. C'est une implémentation du sous-domaine ML appelé Deep Learning Neural Networks; c'est-à-dire que TensorFlow est la vision de Google sur la façon de réaliser l'apprentissage automatique avec des réseaux de neurones en utilisant la technique de l'apprentissage en profondeur.

Maintenant, cela signifie que TensorFlow est bien sûr pas la seule façon d'utiliser les réseaux de neurones - il existe de nombreuses bibliothèques, chacune avec ses avantages et ses inconvénients.

De manière générale, TensorFlow vous offre les capacités de base d'apprentissage automatique pour de nombreux environnements de programmation différents. Cela dit, la plate-forme de base est assez visuelle et repose principalement sur des graphiques et des visualisations de données pour faire le travail. En tant que tel, même si vous n'êtes pas un programmeur, il est possible, avec quelques efforts, d'obtenir de bons résultats avec TensorFlow.

Historiquement, TensorFlow visait à «démocratiser» l'apprentissage automatique. À ma connaissance, c'était la première plate-forme à rendre le ML simple, visuel et accessible à ce degré. En conséquence, l'utilisation du ML a explosé et les gens ont pu facilement former des modèles.

Le principal argument de vente de TensorFlow est Keras, qui est une bibliothèque pour travailler efficacement avec les réseaux de neurones par programmation. Voici à quel point il est simple de créer un réseau simple et entièrement connecté (perceptron):

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'))

Bien sûr, la configuration, la formation, etc., doivent également être effectuées, mais elles sont également simples.

Il est difficile de trouver à redire à TensorFlow, étant donné qu'il a apporté le ML à JavaScript, aux appareils mobiles et même aux solutions IoT. Cependant, aux yeux des puristes, cela reste une plate-forme «moindre» avec laquelle chaque Tom, Dick et Harry peuvent jouer avec. Alors, soyez prêt à faire face à une certaine résistance en gravissant les échelons des compétences et en rencontrant des âmes plus «éclairées». 🙂

Si vous êtes un débutant, regardez ceci Cours d'introduction en ligne TensorFlow.

Remarquez également: certaines critiques de TensorFlow mentionnent qu'il ne peut pas utiliser de GPU, ce qui n'est plus vrai. Aujourd'hui, TensorFlow fonctionne non seulement avec le GPU, mais Google a développé son seul matériel spécialisé appelé TPU (TensorFlow Processing Unit), disponible sous forme de cloud. service.

Google AI Services

Tout comme les services d'Amazon, Google dispose également d'une suite de cloud services tournant autour de l'IA. Je m'abstiendrai de lister tous les services, car ils sont assez similaires aux offres d'Amazon. Voici une capture d'écran de ce que les développeurs peuvent créer s'ils sont intéressés:

En gros, il existe deux façons d'utiliser les services d'intelligence artificielle de Google. La première consiste à utiliser un modèle déjà formé par Google et à commencer à l'appliquer dans vos produits. Le second est le soi-disant AutoML service, qui automatise plusieurs étapes intermédiaires de l'apprentissage automatique, aidant, par exemple, les développeurs full stack avec une moindre expertise en ML à créer et former facilement des modèles.

H2O

Le «2» dans H2O est censé être un indice (ressemblant à la formule chimique de l'eau, je suppose), mais il est gênant de le taper. J'espère que les gens derrière H2O ça ne me dérange pas beaucoup!

H2O est une plate-forme open source pour l'apprentissage automatique qui est utilisée par de grands noms inclus dans Fortune 500.

L'idée principale est de faire en sorte que la recherche de pointe en IA atteigne le grand public plutôt que de la laisser entre les mains d'entreprises disposant de poches et d'un effet de levier profonds. Plusieurs produits sont proposés sous la plateforme H2O, tels que:

H2O: La plate-forme de base pour explorer et utiliser l'apprentissage automatique.
Eau pétillante: Intégration officielle avec Apache Spark pour les grands ensembles de données.
H2O4GPU : Version accélérée par GPU de la plate-forme H2O.

H2O propose également des solutions adaptées à l'entreprise, notamment:

AI sans conducteur: Non, l'IA sans conducteur n'a rien à voir avec les voitures autonomes! 🙂 Cela ressemble plus à l'offre AutoML de Google - la plupart des étapes de l'IA / ML sont automatisées, ce qui donne des outils plus simples et plus rapides à développer.
Support payant: En tant qu'entreprise, vous ne pouvez pas attendre de soulever des problèmes GitHub et espérer qu'ils obtiendront bientôt une réponse. Si le temps c'est de l'argent, H2O propose une assistance et des conseils rémunérés aux grandes entreprises.

Petuum

Petuum développe le Symphonie plate-forme, qui est conçue pour ne pas me faire penser à l'IA. En d'autres termes, si vous êtes fatigué de coder et / ou si vous ne voulez pas mémoriser plus de bibliothèques et de formats de sortie, Symphony aura l'impression de passer des vacances dans les Alpes!

Bien qu'il n'y ait rien «ouvert» sur la plate-forme Symphony, les fonctionnalités valent la peine de baver:

Interface utilisateur par glisser-déposer
Créez facilement des pipelines de données interactifs
Des tonnes de blocs de construction standardisés et modulaires pour créer des applications d'IA plus sophistiquées
Les interfaces de programmation et d'API qui pensent que la manière visuelle n'est pas assez puissante
Optimisation automatisée avec les GPU
Plateforme distribuée hautement évolutive
Agrégation de données multi-sources

Il existe de nombreuses autres fonctionnalités qui vous donneront vraiment le sentiment que la barrière à l'entrée a été considérablement réduite. Hautement recommandé!

Polyaxon

Le plus grand défi aujourd'hui en apprentissage automatique et en IA n'est pas de trouver de bonnes bibliothèques et algorithmes (ou même des ressources d'apprentissage), mais l'ingénierie qualifiée qui doit être appliquée pour faire face aux systèmes géants et aux charges de données élevées qui en résultent.

Même pour les ingénieurs en logiciel chevronnés, cela peut être trop difficile. Si tu ressens ça aussi, Polyaxone vaut le coup d'oeil.

Polyaxon n'est pas une bibliothèque ni même un framework; il s'agit plutôt d'une solution de bout en bout pour gérer tous les aspects du Machine Learning, tels que:

Connexions de données et streaming
Accélération matérielle
Conteneurisation et orchestration
Planification, stockage et sécurité
Pipeline, optimisation, tracking, etc.
Tableau de bord, API, visualisations, etc.

C'est à peu près indépendant des bibliothèques et des fournisseurs, car un grand nombre de solutions populaires (open source et fermées) sont prises en charge.

Bien sûr, vous devez encore gérer le déploiement et la mise à l'échelle à un certain niveau. Si vous voulez échapper même à cela, Polyaxon propose une solution PaaS qui vous permet d'utiliser leur infrastructure de manière élastique.

DataRobot

En termes simples, DataRobot est une solution d'apprentissage automatique ciblée pour l'entreprise. Il est entièrement visuel et est conçu pour donner rapidement un sens à vos données et les utiliser pour une utilisation commerciale concrète.

L'interface est intuitive et élégante, permettant aux non-experts de prendre le volant et de générer des informations significatives.

DataRobot n'a pas une multitude de fonctionnalités; au lieu de cela, il se concentre sur le sens traditionnel des données et fournit des capacités à toute épreuve dans:

Apprentissage automatique automatisé
Régression et classification
Des séries chronologiques

Le plus souvent, c'est tout ce dont vous avez besoin pour votre entreprise. C'est-à-dire que dans la plupart des cas, DataRobot est tout ce dont vous avez besoin. 🙂

NeuralDesigner

Alors que nous parlons de plates-formes d'IA puissantes et faciles à utiliser, NeuralDesigner mérite une mention spéciale.

Il n'y a pas grand-chose à dire sur NeuralDesigner, mais il y a beaucoup à faire! Étant donné que les réseaux de neurones ont plus ou moins dominé la méthodologie moderne d'apprentissage automatique, il est logique de travailler avec une plate-forme qui se concentre uniquement sur les réseaux de neurones. Pas beaucoup de choix, pas de distractions - la qualité plutôt que la quantité.

NeuralDesigner excelle à bien des égards:

Aucune programmation requise. Du tout.
Aucune création d'interface complexe requise. Tout est organisé en étapes sensées, faciles à comprendre et ordonnées.
Une collection d'algorithmes les plus avancés et les plus raffinés spécifiques aux réseaux de neurones.
Parallélisation du processeur et accélération GPU pour des performances élevées.

Vaut un du dernier? Absolument!

PredictionIO

Si vous êtes développeur, PrédictionIO est une offre incroyablement utile que vous devriez examiner. À la base, PredictionIO est une plate-forme d'apprentissage automatique qui peut ingérer les données de votre application (Web, mobile ou autre) et créer rapidement des prédictions.

Ne vous laissez pas tromper par le nom - PredictionIO n'est pas seulement destiné aux prédictions, mais prend en charge tout le spectre du Machine Learning. Voici quelques bonnes raisons de l'aimer:

Prise en charge de la classification, de la régression, des recommandations, de la PNL, etc.
Conçu pour gérer des charges de travail importantes dans un environnement Big Data.
Plusieurs pré-construits modèles pour ceux qui sont pressés.
Livré avec Apache Spark, MLlib, HBase, Akka HTTP et Elasticsearch, répondant à tous les besoins possibles d'une application robuste et moderne.
Ingestion combinée de données à partir de plusieurs sources, que ce soit en mode batch ou en temps réel.
Déployé en tant que service Web classique - facile à utiliser et à alimenter.

Pour la plupart des projets Web, je ne vois pas en quoi PredictionIO n'a pas beaucoup de sens. Allez-y et essayez-le!

IBM Watson

Depuis sa sortie initiale en 2011, IBM Watson, une plate-forme d'IA, est devenue bien connue pour son potentiel à aider les entreprises à générer des informations exploitables à partir de leurs données.

Concernant la part de marché en 2020, elle occupe la première place, selon IDC, et 70% des institutions bancaires internationales utilisent IBM Watson. Ses 100 millions de clients dans le monde vous donnent une idée de sa formidable présence.

IBM a créé les services Watson pour aider les entreprises à maximiser le potentiel de leurs données, à améliorer la prise de décision et à acquérir de nouvelles connaissances.

Watson utilise l'apprentissage automatique, l'apprentissage en profondeur et traitement du langage naturel pour traiter rapidement des volumes massifs de données non structurées provenant de diverses sources. Les organisations utilisent ces outils pour trouver des modèles dans les données, enquêter sur les problèmes, produire des informations et prévoir les résultats.

Il s'agit d'un service basé sur le cloud qui permet aux experts de concevoir, de mettre en œuvre et de gérer des applications d'IA pour les entreprises qui doivent se développer rapidement et facilement.

Il offre une suite complète d'outils, d'actifs et de services pour aider les développeurs à créer des applications et des solutions intelligentes. Watson est utilisé pour diverses tâches, notamment le traitement du langage naturel, l'identification d'images, l'analyse prédictive, la vision par ordinateur, la reconnaissance vocale, etc. Cela peut également aider à réduire les dépenses et à améliorer la prise de décision.

Sa plate-forme cloud robuste exploite les compétences en informatique cognitive pour aider les entreprises à donner un sens à des ensembles de données massifs. IBM Watson aide les entreprises à trouver des informations, à améliorer leurs modèles et à rationaliser les processus pour augmenter la productivité. Il offre des outils et des services simples à utiliser afin que les entreprises puissent utiliser Watson pour construire rapidement des solutions.

Ses caractéristiques distinctives incluent l'automatisation de n'importe quel travail, la confidentialité, la conformité et la sécurité des données dans tous les secteurs et le fonctionnement sur n'importe quel cloud. Les clients de Watson ont réussi dans divers secteurs, notamment la finance, les voyages, la santé, la vente au détail, les services, la sécurité et la chaîne d'approvisionnement.

Conclusion

Il ne manque pas de Cadre AI et ML ou plateforme aujourd'hui; J'ai été submergé par le choix lorsque j'ai commencé à faire des recherches pour cet article. En conséquence, j'ai essayé de restreindre cette liste aux uniques ou intéressants. Si vous pensez que j'ai manqué quelque chose d'important, faites-le moi savoir.

Coursera J'ai reçu quelques-uns des excellents cours d'apprentissage automatique, alors vérifiez si vous êtes intéressé par l'apprentissage.

Alors, quelle plateforme est la meilleure? Malheureusement, il n'y a pas de réponse claire. Une raison pour laquelle la plupart de ces services sont liés à une pile technologique ou à un écosystème particulier (principalement la construction de ce qu'on appelle un jardin clos). L'autre raison, plus importante, est qu'à présent, les technologies d'IA et de ML ont été banalisées et il y a une course pour fournir autant de fonctionnalités à un prix aussi bas que possible. Aucun fournisseur ne peut se permettre de ne pas offrir ce que les autres proposent, et toute nouvelle offre est copiée et servie par les concurrents presque du jour au lendemain.

En tant que tel, tout dépend de votre pile et de vos objectifs, de l'intuition que vous trouvez du service, de votre perception des entreprises qui le sous-tendent, etc.

Mais quel que soit le cas, il va sans dire que l'IA est enfin disponible en tant que service, et il serait extrêmement imprudent de ne pas l'utiliser. 🙂