對于任何值得加以認真對待的云方案，其都需要滿足用戶對于功能的不斷追求。機器學(xué)習(xí)顯然應(yīng)該被列入這份需求清單當中，而各大云服務(wù)供應(yīng)商如今也已經(jīng)拿出了自己的答卷。

不過其具體實現(xiàn)方式則又是另一碼事了。除了“設(shè)計API對開放式算法市場”模型，市面上還存在著“涵蓋一切對夠用就好”這類衍生方案。下面我們將一同了解四大云服務(wù)供應(yīng)商——IBM、微軟、谷歌與Amazon——如何各自實現(xiàn)機器學(xué)習(xí)技術(shù)。

IBM:率先起錨，沃森掌舵

自當初IBM公司宣布將其沃森AI系統(tǒng)轉(zhuǎn)化為可消費服務(wù)以來，相關(guān)問題可謂越來越多。它會以怎樣的形式體現(xiàn)?客戶如何對其進行消費?不過最重要的仍然是，此舉能給IBM的云巨頭發(fā)展之路帶來怎樣的影響?

經(jīng)歷了兩年的時光與變遷，如今IBM公司已經(jīng)在其Bluemix PaaS之上推出了一整套機器學(xué)習(xí)服務(wù)組合，具體包括天氣預(yù)報、語言分析系統(tǒng)、圖像識別、語言翻譯以及情緒與語調(diào)分析等等。

在全部立足于云環(huán)境交付某種形式的機器智能方案的廠商當中，IBM公司擁有最為可觀的發(fā)展野心。更重要的是，藍色巨人也一直在努力讓這項高科技成果更接地氣，而其具體體現(xiàn)就是分析與報告機制。(正處于發(fā)展中的沃森似乎還在通過一系列戰(zhàn)略性收購沖擊其它領(lǐng)域：氣候、醫(yī)療衛(wèi)生以及更多層面。)

目前的問題并不在于沃森服務(wù)是否能夠找到合適的起效平臺——假以時日，相信答案會是肯定的——而在于這些服務(wù)能否在特定領(lǐng)域取得良好進展，并幫助IBM找到合適的投入節(jié)奏。目前大部分此類服務(wù)選項都需要慢慢找到適合自己的用例，而IBM方面亦認為Spark服務(wù)(或者其最新推出的仿AWS Lambda服務(wù)，OpenWhisk)更容易賺錢。

某些企業(yè)已經(jīng)開始將沃森分析服務(wù)以創(chuàng)造性方式引入業(yè)務(wù)。不過盡管IBM公司明確表示其有信心將沃森發(fā)展為一項年價值100億美元的業(yè)務(wù)，但擺在其面前的發(fā)展道路仍然非常漫長——漫長到令這項營收目標顯得有些遙不可及。

微軟：由您構(gòu)建、為您構(gòu)建

正如IBM擁有沃森，微軟擁有Oxford項目——這是一整套經(jīng)過精心設(shè)計的高級API組合，涵蓋機器視覺、語音識別與語言分析。這份API清單并不像沃森那樣廣泛得夸張，但微軟提出的既定目標卻與藍色巨人基本一致：構(gòu)建一套精心設(shè)計的API，旨在充分發(fā)掘機器學(xué)習(xí)的潛能。

Azure Machine Learning Studio可能是目前微軟機器學(xué)習(xí)發(fā)展計劃中最為重要的組成部分。在這里，人們能夠?qū)胱约旱臄?shù)據(jù)、以此為基礎(chǔ)訓(xùn)練機器學(xué)習(xí)模型，而后將得到的模型作為API通過REST接口進行共享。IBM公司在自家Bluemix上的預(yù)測性分析服務(wù)中也提供類似的功能，不過微軟的Studio存在時間更長且表現(xiàn)得更具泛用性。

IBM與微軟雙方正在努力構(gòu)建兩種不同風格的機器學(xué)習(xí)服務(wù)。一種風格在于位居幕后悄悄鼓搗，并主要使用經(jīng)過規(guī)劃的數(shù)據(jù)集與經(jīng)過調(diào)整的行為(沃森API、Oxford項目)，另一種風格則作為通用型平臺，允許各類機器學(xué)習(xí)服務(wù)以此為基礎(chǔ)實現(xiàn)構(gòu)建、共享甚至是商業(yè)化(Azure Machine Learning Studio與預(yù)測性分析服務(wù))。

不過微軟與IBM之間的最大區(qū)別并不在于服務(wù)，而在于動機。微軟公司只是希望通過云業(yè)務(wù)反哺自己的其它業(yè)務(wù)類型——例如游戲業(yè)務(wù)——這意味著其并不像IBM那樣面臨著生存壓力。不過這并不是說微軟正盲目地邁出自己的機器學(xué)習(xí)發(fā)展步伐。

Amazon與谷歌，支持極簡主義

如果非要給谷歌與Amazon的云方案總結(jié)出一種指導(dǎo)方針，那就是“少即是多”。也許更準確的說法應(yīng)該是“夠用就好”，這一點自然也體現(xiàn)在了兩家企業(yè)在所提供的云機器學(xué)習(xí)服務(wù)身上。

在谷歌方面，谷歌Cloud Platform目前只提供兩項機器學(xué)習(xí)類服務(wù)：谷歌翻譯(一套API，支持谷歌的現(xiàn)有機器翻譯引擎)以及谷歌預(yù)測API。前者是由谷歌完全掌控的內(nèi)部API。而后者盡管名號不響，但卻屬于一項廣泛的包容性服務(wù)，允許用戶以等同于Azure Machine Learning Studio的方式上傳數(shù)據(jù)與訓(xùn)練模型。(數(shù)據(jù)可以導(dǎo)出自各類谷歌現(xiàn)有服務(wù)，例如谷歌BigQuery。)

Amazon Machine Learning與谷歌預(yù)測API在模型層面上非常相似，可根據(jù)數(shù)據(jù)實現(xiàn)訓(xùn)練并被用于預(yù)測方向。這是一項經(jīng)過刻意簡化的服務(wù)，這可能是為了面向只希望解決具體特定問題的開發(fā)人員，或者是因為Amazon希望首先進行市場試水。

對于Amazon與谷歌來說，雙方的目標在于引導(dǎo)開發(fā)人員盡可能簡化需求定義，并利用已經(jīng)存在于其云環(huán)境中的數(shù)據(jù)——也就是“夠用就好”模式。IBM與微軟則擁有更為遠大的目標，其中IBM的野心最大，當然一旦失敗也將面臨最為慘重的損失。

原文標題：How IBM, Google, Microsoft, and Amazon do machine learning in the cloud

 【51CTO.com獨家譯稿，合作站點轉(zhuǎn)載請注明來源】