四大云巨头IBM、Google、Microsoft和Amazon如何在云上进行机器学习

　　

除了“curated API vs. open-ended algorithm marketplace”模型，他们还有“everything and then some vs. just enough”变式。下面是四大云提供商——IBM、Google、Microsoft和Amazon在机器学习领域上相互之间的积累。

 

 

当IBM首次宣布将把Waston AI系统变成一个可消费的服务的时候，问题就出现了。那会是什么样子？它将如何使用？最重要的是，它会给IBM提供多少支持，让其成为一个云巨头？

 

两年之后，IBM已经在其Bluemix PaaS上推出一系列基于机器学习的服务，例如天气预报、系统分析语言、图像识别、语言翻译、情绪和语调分析等等。

 

所有公司都在云计算上提供某种机器智能，而IBM的名单是最具有野心的。更重要的是IBM一直在用既高大上又接地气的工具补充自己的实力，主要包括分析和报告（日渐成长的Waston似乎也是IBM许多跨领域战略收购的背后动力，例如天气、医疗等等）。

 

问题不是Waston是否会真正推出相应的功能，随着时间的推移，他们很有可能这样做，但是在一定范围内他们将孤注一掷。从目前看来，固定下来的有Spark服务（或者它的新的AWS Lambda-like服务和OpenWhisk），因为它更容易赚钱。

 

一些组织已经开始把Watson的分析服务创造性的加以利用，尽管IBM认为它能成长为一年一百亿的业务，但是Waston的收入到目前为止还不足以抵消IBM的收入下滑。

 

 

IBM有Watson，Microsoft则提供了Project Oxford，一组策划高级APIs来覆盖机器视觉、语音识别和语音分析。这个APIs的功能不像Watson覆盖那么广泛（让我们面对现实，How-old.net的确不像Watson那么有趣，因为Watson玩的是“危险”），但是Microsoft的意图和IBM是一样的：一套利用机器学习的专门的APIs。

 

Azure Machine Learning Studio可能是Microsoft的机器学习野心中更重要的一部分。在那里，人们可以带上自己的数据，训练机器学习模型，然后通过REST接口作为一个API重新共享模型。IBM在Bluemix上也有类似的Predictive Analytics服务，但是Microsoft的工作室已经存在很长时间，并且有更通用的感觉。

 

Microsoft和IBM在试图创建两种不同的机器学习服务。一个闭门造车，策划数据设置和调整行为（Watson APIs和 Project Oxford）。而另外一个平台是这种新的机器学习服务可建，共享甚至是货币化（Azure Machine Learning Studio和 Predictive Analytics）但是Microsoft和IBM最大的区别不是在服务，而是动机。Microsoft通过以云为核心的面向未来的尝试，已经辅助其他成功的业务部门，例如游戏。所以Microsoft并没有感觉到和IBM同样程度的生存压力。但这并不意味着Microsoft不能感知到它必须走哪条路。

 

 

如果Google尤其是Amazon有一个指导他们使用云计算的原则，那就是“少即是多”。也许更好的说法是“刚好足够就够了”，两家公司都提供基于云计算的机器学习服务的方式。

 

以Google的情况，Google Cloud Platform目前仅提供两种类似于这样的服务：Google Translate和Google Prediction API。前者完全是有Google维护的独有API，后者，尽管有一个谦逊的名字，却是一个广泛的包容性服务，允许用户在Microsoft Azure Machine Learning Studio上传数据和训练模型（数据可以从Google services导出，例如Google BigQuery）。

 

Amazon Machine Learning类似于Google Prediction API，模型可以对数据进行训练并且用于做出预测。故意简化服务，只是为了吸引那些想要解决一个特定、狭窄问题的开发人员，或者因为Amazon想先试试市场的水。

 

以Amazon和Google的情况，他们的目标是开发人员、狭义的需求和那些已经在云上的数据，这些“刚好足够”的模型。IBM 和Microsoft的目标是更广泛的领域，然而IBM努力的想要提供最多，也有可能失去最多。