塞爾達(dá)·耶各拉普　劉荻

IBM、谷歌、微軟和亞馬遜這四大云巨頭都將機(jī)器學(xué)習(xí)作為一項服務(wù)來提供，但是它們實際開展的方式就跟這些公司本身一樣大不相同。

任何一個云想要受到重視，就得滿足功能方面越來越高的標(biāo)準(zhǔn)。機(jī)器學(xué)習(xí)似乎也在這份功能名單上，因為各大云服務(wù)提供商現(xiàn)在都以此作為一項主打功能。

但是它們?nèi)绾胃氵@一塊又是另一碼事。除了“精選API vs開放式算法市場”這種模式外，還有“一應(yīng)俱全vs剛剛好”這種變種模式。IBM、谷歌、微軟和亞馬遜這四大云服務(wù)提供商在機(jī)器學(xué)習(xí)方面的玩法如何？

IBM：Watson掌舵，控制航向

IBM初次宣布要把Waston人工智能系統(tǒng)轉(zhuǎn)變成一項消費(fèi)服務(wù)時，問題接踵而至。它會是什么樣子？它將如何被消費(fèi)？但最重要的是，它會給予多大的支持，幫助IBM竭力將自己重望成云巨頭？

兩年后，IBM已經(jīng)在其Bluemix平臺即服務(wù)（PaaS）上推出了一系列基于機(jī)器學(xué)習(xí)的服務(wù)（比如天氣預(yù)報），或者用于分析語言、識別圖像、翻譯語言、分析情緒和語調(diào)等方面的系統(tǒng)。

在云端提供某種機(jī)器智能的所有公司當(dāng)中，IBM的目標(biāo)最野心勃勃。更重要的是，IBM還一直在竭力用更接地氣的工具補(bǔ)充高大上的工具，主要涉及分析和報告。（日益改進(jìn)的Waston似乎也是IBM在天氣和醫(yī)療保健等多個領(lǐng)域，宣布多次戰(zhàn)略性收購的動力）。

問題不是Waston服務(wù)會不會得到實際采用一一它們遲早會得到實際采用，問題是這些服務(wù)會不會以IBM覺得舒適的步伐得到采用，IBM對此可謂孤注一擲。這些服務(wù)大多數(shù)需要時間才能找到使用場合，而IBM早已被廣泛接受的Spark服務(wù)（或者其類似AWSLambda的新服務(wù)：OpenWhisk）更容易立即賺錢。

一些企業(yè)組織已經(jīng)開始另辟蹊徑，將Watson的分析服務(wù)投入使用。但是，雖然IBM表示它認(rèn)為自己能夠把這一切發(fā)展成年收入達(dá)1 D0億美元的業(yè)務(wù)，但是Waston到目前為止得到的采用根本不足以抵補(bǔ)IBM一路下滑的收入。

微軟：為客戶而建

IBM有Watson，微軟則有Project Oxford，這是一組經(jīng)過精選的高級API，涵蓋機(jī)器視覺、語音識別和語音分析。雖然API不如Watson的API來得廣泛（咱們還是面對現(xiàn)實吧，How-old.net不如參加智力競賽電視節(jié)目《危險邊緣》的Watson那么有趣），但是微軟的野心幾乎如出一轍：借助一套充分利用機(jī)器學(xué)習(xí)的經(jīng)過精選的專有API。

Azure Machine Learning Studio也許是微軟的機(jī)器學(xué)習(xí)野心中更重要的一部分。人們可以拿來自己的數(shù)據(jù)，在上面訓(xùn)練機(jī)器學(xué)習(xí)模型，然后通過REST接口，將因而獲得的模型作為API重新共享。IBM在Bluemix上的Predictive Analytics服務(wù)也有類似功能，不過微軟的Studio問世時間更久，而且讓人覺得更加通用。

IBM和微軟都試圖創(chuàng)建兩種不同版本的機(jī)器學(xué)習(xí)服務(wù)。一種版本是關(guān)起門未構(gòu)建的（一向如此），提供一套精選的數(shù)據(jù)集和經(jīng)過改善的行為（Watson API和Project Oxford）。另一種版本是一個平臺，新型的機(jī)器學(xué)習(xí)服務(wù)可以在上面構(gòu)建、共享，甚至賺錢（Azure Machine Learning Studio和Predictlve Analytlcs）。

但是微軟和IBM最大的區(qū)別不在于服務(wù)，而在于動機(jī)。微軟試圖轉(zhuǎn)向云計算，以便自己能夠適應(yīng)未來的形勢，這一戰(zhàn)略得到了其他成功的業(yè)務(wù)領(lǐng)域（比如游戲）的幫助，因而它并沒有感覺到像IBM那么大的生存壓力。但是這并不是說，微軟就不知道該走哪條路。

亞馬遜和谷歌：極簡主義者

如果說谷歌、尤其是亞馬遜有一個原則作為其云計算解決方案的指導(dǎo)，那就是“少即是多”。也許更貼切的說法是“剛剛好嫌多”，這包括這兩家公司提供基于云的機(jī)器學(xué)習(xí)服務(wù)的方式。

以谷歌為例，谷歌云平臺（Google Cloud Platform）目前只提供兩種類似本文介紹的其他機(jī)器學(xué)習(xí)服務(wù)的服務(wù)：Google Translate（這是支持谷歌現(xiàn)有的機(jī)器翻譯引擎的API）和Google Prediction API。前者是一種專有的API，由谷歌獨(dú)家維護(hù)。后者盡管名字不起眼，卻是一種包容性廣泛的服務(wù)，允許用戶上傳數(shù)據(jù)，并訓(xùn)練模型，其方式如同微軟Azure Machine Learning Studio。（數(shù)據(jù)可以從Google BigOuery之類的谷歌服務(wù)獲?。?。

Amazon Machine Learning類似Google Prediction API，原因在于模型可以用數(shù)據(jù)來訓(xùn)練，并用來進(jìn)行預(yù)測。這是一種有意簡化的服務(wù)，為的是吸引只想解決某個特定狹窄問題的開發(fā)人員，或者是由于亞馬遜想先試水市場。

在亞馬遜和谷歌這兩種情況下，它們的目標(biāo)都是開發(fā)人員，這個群體有狹窄定義的要求，又有已經(jīng)在那些云上的數(shù)據(jù)一一這就是“剛剛好”模式。IBM和微軟將目光投向廣泛多得多的領(lǐng)域，雖然IBM努力想擁有最多的服務(wù)，但是輸?shù)米顟K的可能也是它。