云计算服务向我们提供了人工智能。
随着人工智能的发展，越来越多的技术巨头和初创企业开始将机器学习作为一种云服务进行提供。
人工智能小组的深度学习研究员扎克利•蔡斯•利普顿对亚马逊、IBM等公司的云人工智能服务进行了研究，他表示：“数据集很大时，深度学习算法要优于其他机器学习方法。因此，只要有符合语法规则的预测问题，任何公司或应用都会得益于深度学习。”有了基于云的深度学习，企业可简单地选择一项云服务，浏览其在线提供的应用程序接口，选择软件任务，如识别柯基犬的图片或自动翻译一份餐馆菜单。有些服务甚至能根据各公司的数据和需求定制其机器学习工具。
利普顿表示，机器学习云服务要想不断增长，至少要有两个要素：第一，机器学习需求不断增长，因为该技术已成熟，能够解决各种具有经济价值的问题；第二，机器学习人才的相对稀缺使各家公司很难建立起自己的机器学习团队。由于初创企业试图与微软、IBM等有财力雇用最聪明、最优秀人才的技术巨头进行竞争，因此人才竞争甚至更为激烈。
目前，大部分机器学习商业化应用程序依赖于监督式学习。这需要算法能够正确观察标签示例，通过模仿学习如何开展特定任务。在大型数据集监督式机器学习方面，人工神经网络是目前最流行、最成功的算法。它们通过在多节点互连网络中传输信息来学习。这些节点之间每个连接的权值都可调整，影响网络中的信息流动。节点一般是分层排列的。不过历史上只用一层神经元隐藏层来训练网络。利普顿解释说，深度学习通过利用多个神经元层来过滤数据，将这些办法提升了一个层次。有了足够多的层和足够多的节点，深度神经网络便能执行许多功能。
建立一个神经网络的难点在于针对具体任务对它进行训练。从随机设置的权值开始，把数据集中的示例一个接一个呈现给神经网络。每一次，都对神经网络的权值进行微调，以便让神经网络的输出更接近正确输出。利普顿注意到，大量初创企业乐于证明其深度学习研究的主要目的是吸引有可能收购它们的大公司的注意。还有些是为了满足利基行业的需求。其他初创企业意在打造适用于多种行业、范畴更广的平台。纽约初创企业Clarifai目前提供图像自动过滤和标签工具以及视频自动分段工具；其深度学习技术可使旅行-摄影网站等许多终端用户受益。Clarifai创建者马修•蔡乐说:“从你的收件箱到伴随搜索结果出现的广告，再到图像标签，凡你能想到的一切事物，这些产品的每一个可能方面都已经或很快将从机器学习中受益。”
对深度学习初创企业来说，挑战在于在拥挤的空间中找到它们自己的恰当位置。Nervana Systems联合创始人纳文•拉奥表示，在提供机器学习服务方面，避免直接挑战技术巨头是比较聪明的做法。Nervana已在尝试建立一个深度学习优化平台，并开发自己的专用芯片，进一步提高深度学习的性能。
初创企业Ersatz Labs发现，与行业巨头较量是件很危险的事情。去年，在资金短缺之后，Ersatz暂停了其云机器学习计划的开发工作。该公司的首席执行官戴夫•苏里文指出，销售帮助人们实现深度学习的服务或产品是有难度的，因为这些销售对象当中有许多是大型技术公司的员工，他们更倾向于自己开发工具，并从公司内部招募人员。这一说法在2016年谷歌I/O大会上得到了验证。谷歌在会上宣布，一年多来，公司正在使用自己定制的微芯片——Tensor处理单元来支持机器学习应用程序。这种专用芯片使硬件能够在2016年推出的谷歌云机器学习平台上运行。
作者：Jeremy Hsu
