■劉剛

為了在不斷的競爭中保持優(yōu)勢與領(lǐng)先地位，愈發(fā)多的企業(yè)正在尋求那些可以將AI集成到自身應(yīng)有中的產(chǎn)品。在這之中，可能一種簡單又流行的方式便是去使用那些基于云的AI產(chǎn)品與服務(wù)（AIaaS）。

根據(jù)IDC的研究資料，到2021年，全球企業(yè)對認知和AI系統(tǒng)的支出將保持50.1%的年復(fù)合增長率，這說明，企業(yè)對這些技術(shù)的總支出將從2017年的120億美元增加到2021年的576億美元。這些支出中的很大一部分將有望用于那些基于云的AI服務(wù)。

2018年，RightScale的云研究報告指出，企業(yè)格外關(guān)注于AI中的機器學習技術(shù)。當被問詢未來計劃使用哪種類型的公有云服務(wù)時，絕大多數(shù)的受訪者選擇了機器學習，盡管只有12%的受訪者表示他們正在使用這些服務(wù)，但46%的受訪者表示他們正在測試或計劃部署機器學習服務(wù)。很顯然，企業(yè)對AIaaS產(chǎn)生了興趣與需求，而云供應(yīng)商也開始對此作出了積極地回應(yīng)。

AIaaS的種類

要回答AlaaS是什么樣子的這個問題就要從它的種類說起，實際上，由于"人工智能（AI）"本身就是涵蓋了多種技術(shù)的廣義術(shù)語，因此AIaaS的類型也有很多。一般來講，AI技術(shù)的核心就是去創(chuàng)造出一種可以與人類大腦功能相媲美的機器。比如，AI中就包括可以查看和識別圖片中物體的計算機視覺技術(shù)，使系統(tǒng)能夠進行人類會話模擬的自然語言處理技術(shù)以及允許機器在沒有被明確編程的情況下進行自動學習的機器學習技術(shù)。

在AlaaS中，上述的AI技術(shù)中的一個或多個均可以由供應(yīng)商包裝成獨立的云服務(wù)產(chǎn)品。目前，市場上主流的AIaaS產(chǎn)品一般可以分為以下幾類：

機器人與數(shù)字助理

對于很多人來說，當聽到“人工智能”這一詞語時，他們首先想到的可能就是如蘋果Siri、微軟Cortana或亞馬遜Alexa這樣的數(shù)字助理。這些工具可以通過自然語言處理技術(shù)與用戶進行對話，而且許多工具還具有機器學習功能以不斷提升他們的能力。在日常工作事務(wù)中，很多企業(yè)希望能夠為其產(chǎn)品與網(wǎng)站添加類似的功能以實現(xiàn)更好的服務(wù)與提升客戶體驗。據(jù)IDC統(tǒng)計，2017年AI用例中，支出最高的一項便是自動化客戶服務(wù)代理。不過，企業(yè)從頭開始去創(chuàng)建一個自己的機器人似乎是一件不可能完成的工作。因而，作為備選方案，供應(yīng)商們打造出了一種機器人平臺及服務(wù)（Bot Platforms as a Service）的產(chǎn)品。企業(yè)可以利用自身的數(shù)據(jù)對機器人進行培訓(xùn)，然后將它們用以進行簡單問題回答的服務(wù)，從而將員工解放出來去處理那些更復(fù)雜的客戶服務(wù)任務(wù)。

認知計算API

應(yīng)用程序編程接口（API）可以讓開發(fā)人員通過較為容易的方式將技術(shù)或服務(wù)集成到自身應(yīng)用或產(chǎn)品中。市場中，領(lǐng)導(dǎo)級的云供應(yīng)商們均提供各式各樣的API，以便讓開發(fā)人員能夠?qū)⑻囟愋偷腁I增添到他們的應(yīng)用程序中。比如，照片共享應(yīng)用的開發(fā)人員可以使用面部識別API為自身應(yīng)用提供個人識別功能。借助于API,開發(fā)人員無需從零開始去編寫那些面部識別的代碼，甚至無需去徹底了解這些代碼的工作原理。典型的API用例包括計算機視覺、計算機語音、自然語言處理、搜索、知識映射、翻譯和情感探測等。

機器學習框架

這種工具允許開發(fā)人員創(chuàng)建可隨時間推移而改進的應(yīng)用程序。一般來講，開發(fā)人員或數(shù)據(jù)科學家會利用機器學習框架去構(gòu)建模型，然后利用現(xiàn)有的數(shù)據(jù)對模型進行訓(xùn)練。機器學習框架在大數(shù)據(jù)分析應(yīng)用中尤為常見，不過它們也可用于許多其他類型的應(yīng)用程序。比起自建型的機器學習模型，這種可通過云進行訪問的框架應(yīng)用起來更加便捷也更加實惠。

托管式機器學習服務(wù)

企業(yè)會時常面臨想要給自身應(yīng)用添加機器學習功能而又缺乏必要相關(guān)經(jīng)驗與知識的情況。托管式機器學習服務(wù)則可以幫助他們?nèi)ミM行相應(yīng)的工作，這種服務(wù)通過模板、預(yù)建模型和拖放式開發(fā)工具以簡化和加快機器學習框架的應(yīng)用過程。

AIaaS的“圣杯”就是創(chuàng)建一種可以作為云服務(wù)提供的通用性AI。這種通用性的AI是一種能夠以與人類相同方式進行思考與溝通的計算機系統(tǒng)。不過大多數(shù)專家認為，人們離實現(xiàn)這種通用性的AI還為時尚早。

AIaaS的優(yōu)點

那些大型企業(yè)一般傾向于去對自己的AI項目與研究進行投資。但是，更多的企業(yè)會選擇AIaaS，這自然是出于對AlaaS優(yōu)點的考量。一般來講AlaaS的優(yōu)點包括：

低成本：AIaaS可以讓企業(yè)省去那些昂貴的設(shè)施開支，這些服務(wù)可以讓企業(yè)只需在需要時對特定硬件進行短期付費使用。在云計算中，大多數(shù)的AI工作任務(wù)被認為是"突發(fā)性"的，也就是說，他們依賴于那些能夠在短時提供大量計算能力的服務(wù)。AIaaS只會針對用戶去收取那些他們進行硬件使用時的費用，這大大降低了他們的成本。

可擴展性：與其他的云服務(wù)一樣，AIaaS本身也具有較高的可擴展性。企業(yè)可以從一個試點項目開始，然后隨著需求的提升，快速擴展他們AIaaS服務(wù)的規(guī)模。

可用性：一些優(yōu)秀的AI工具可用于開源項目的許可，不過雖然這些工具價格低廉，但它們不總是那么容易使用。而云AI服務(wù)通常能夠讓開發(fā)人員進行更方便的AI訪問，而無需他們本身是否是該領(lǐng)域的專家。

AIaaS的缺點

常言道，金無足赤人無完人，AIaaS也不可能盡善盡美，它也有缺點。其中兩個最大的缺點也與其他云服務(wù)相同，即安全性和合規(guī)性。許多AI應(yīng)用，特別是那些結(jié)合機器學習功能的應(yīng)用會依賴于大量的數(shù)據(jù)。當對這些數(shù)據(jù)進行云端存儲或遷移時，企業(yè)需要確保這些應(yīng)用足夠的安全措施，比如數(shù)據(jù)加密功能。

同時，在某些情況下，合規(guī)性可能將成為企業(yè)應(yīng)用AIaaS的阻礙，因為一些國家與地區(qū)的法律會限制企業(yè)進行云端敏感數(shù)據(jù)的存儲，還有一些法規(guī)也會限定數(shù)據(jù)存儲的位置。在這些情況下，AIaaS可能會在一些用例中失效。

AlaaS的另一個潛在缺點是它自身可能會比較復(fù)雜。企業(yè)將耗費大量的時間與精力用于培訓(xùn)或聘用具有AI和云計算技能的員工。不過，一些企業(yè)對此也表示樂觀，他們認為這個問題可以被克服，而且AIaaS還會帶來長期的回報。