传统的企业软件可以比作买车。你选择一个模型,根据您的具体需求,然后你去买汽车,(通常)工作。

建立一个人工智能的解决方案就像获得新技能,比如网球,或一种语言,学习开车。你可以买到世界上所有的课,但你仍然要付出所有的努力学习和掌握的技能。

当然,我简化。

但无可否认,尽管巨大的人工智能和机器学习的承诺在企业中,需要努力工作使AI工作。公司难以确定正确的解决问题,找出可行的用例,建立一个有效的数据文化、规模和迭代设计,productionize,证明真正革命性的解决方案。

然而,帮助就在眼前。机器学习继续破坏和民主化本身。,进化飞跃等自动化机器学习承诺拿出大部分的苦差事从构建预测模型的过程中,尽管为特定的用例。

与此同时,第二个因素推动民主化的人工智能机器学习的移动到云上。公共云提供了一个可配置的,自助服务环境启动AI-optimized硬件和软件的功能,数据管道,在计算和基础设施,网络,存储。从本质上讲,云计算为数据科学家提供了一个使用沙箱,灵活,在相同的环境中,他们的应用程序和数据已经存在。

没有惊喜,基于云计算的机器学习是越来越受欢迎,因为它使得构建和部署基于ai功能更容易,可行的,且可伸缩的。

我的同事查理•戴我看着这个主题在两个新的Forrester报告题为“利用公共云,加快你的机器学习应用。”Forrester客户机可以访问报告北美和亚太地区。在这些报告,我们还研究了云机器学习能力等供应商提供阿里巴巴,亚马逊网络服务,百度云,谷歌云,华为、IBM、微软、甲骨文,Salesforce、SAP和腾讯云。

随时联系查理或我调查如果你想知道更多。我邀请你的反馈,经验,问题,和评论。