上世紀50年代末，ibm先驅研究員亞瑟·塞繆爾（arthur samuel）訓練了世界上第一台自學電腦學下跳棋遊戲，自那以後，人們就在等待智慧型機器來臨的未來。
而「未來」就是現在。
塞繆爾當年為我們這個世界引入了機器學習的計算方法，現在這個方法已經成熟，而且已經誕生了各種新產品，形成了渠道計畫的規模。
third eye是一家總部設在加州聖克拉拉的大資料和分析解決方案提供商，與四大超規模雲提供商ibm、微軟、谷歌和aws都有合作關係。third eye首席執行官dj das表示，「對於像我們這樣的公司，這樣的機會畢生難求。」
das所說的機會是以各種不同使用案例的形式出現的，包括優化**鏈、**客戶購買模式、診斷疾病、檢測欺詐、識別文字和影象以及提高it效能和安全性等。
ibm將未來注壓在認知計算上。但ibm面臨的挑戰不是簡單地證明這項技術的價值和可行性。面對日益擁擠的市場，ibm面臨的是諸如谷歌、微軟和aws這樣的超大規模強大對手，這些公司過去的一年半里都推出了提供機器學習庫和工具即服務的平台。
在雲出現以前，要想實現機器學習頗為昂貴，使用起來也頗為困難，但是公共雲平台的出現大大降低了這項技術的入場成本，使得解決方案**商引進機器學習成為現實，並可以實現更大規模上的消費。
neudesic是一家資料分析公司，也是微軟合作夥伴，其技術總監orion gebremedhin表示，「這就是為什麼大家將機器學習稱之為大眾化技術的原因。」
演算法是包裝好的，通常是神經網路一類的演算法，弄成庫的形式，再與諸如hadoop或spark一類的建立**模型工具和大資料技術結合在一起，雲平台有望成為自學應用程式的先導，可以為企業提供洞察力。
47lining公司是aws的合作夥伴，其首席執行官mick bass告訴記者，機器學習的巨大效益在於它可以提供「一系列的業務流程的增量效益」。
bass表示，從「這些業務流程優化節流」進行調整渠道機會時，要記住乙個經濟上的真理：效率創造財富。
ibm的harbour則表示，「市場就在那裡。ibm也不是這個空間裡唯一能做的一家公司，而且每天都有越來越多的技術出現。」
gartner研究總監linden表示，各家公司爭相提供機器學習即服務，不過關於機器學習即服務的競賽仍處於初級階段，ibm的營銷部門「要比別人更加努力。不過話說回來，單靠努力不一定贏得到獎盃」。
ibm watson星光閃爍
從塞繆爾推出的機器學習開始算，半個多世紀後，現在另乙個ibm watson在電視遊戲節目jeopardy上大放異彩，擊敗了兩位前人類冠軍，展示了人工智慧在自然語言處理、評估資料量和根據過去的結果做出越來越聰明的決定等方面的進步。
和塞繆爾的跳棋一樣，watson玩遊戲是要證明科技成就和推廣ibm armonk的品牌。watson在jeopardy上首次亮相後的幾年裡轉化成乙個全面雲平台，ibm將自己未來的籌碼置於其上。
三年前，watson平台推出，其間已有740家ibm合作夥伴獲得認證，可用watson建立認知應用程式。
ironside是一家資料分析諮詢公司，與ibm有合作夥伴關係。ironside戰略與創新副總裁greg bonnette相信，ibm的解決方案是市場上最精密的，ibm的解決方案提供疊加演算法，各種演算法可以跨多個資料評價和決策層互相交流資料
最近，ironside利用watson在新罕布夏州曼徹斯特的警察部門做了個**警務應用程式，這個應用從該市35平方英里區域的犯罪報告和其他資料裡提取精華，並將多年的歷史因素考慮在內，然後**出可能的犯罪熱點地區，**則可將精力集中在熱點地區。bonnette表示，應用**犯罪和**天氣有些相似。
令人吃驚的是，在部署該系統10週後，新罕布夏州最大的城市曼徹斯特的汽車盜竊案下降了34%，搶劫案下降了24%。
bonnette表示，ibm的過人之處在於「他們真的是將工業問題和實際業務問題融合在一起」，這也令ibm在諸如保健等垂直市場上贏得了極大推動力。
谷歌：成長的引擎
谷歌總裁sundar pichai在公司第一季度財報**會議上表示，將人工智慧和機器學習作為雲服務提供給企業客戶「會是谷歌優勢的乙個巨大**」。
他告訴華爾街投資者，「我們處於乙個非常有趣的臨界點，這些科技真的要起飛了。」他表示，谷歌就是工程解決方案，可以令服務合作夥伴幫助客戶利用機器學習去理解自身資料。財報會的幾周以後，pichai在谷歌i/o開發者大會透露了乙個新的名為「the tensor processing unit（tpu）」的處理器，用於驅動機器學習的工作負載。
今年3月，谷歌因alphago在與世界圍棋冠軍對壘中取勝而名聲大噪。圍棋是一項非常複雜的棋類遊戲，戰勝世界圍棋冠軍比將死西洋棋特級大師更難。pichai表示，此次勝利「對於人工智慧來說是乙個重要的里程碑」。
不過，這次勝利一方面可能顯示了谷歌準備在市場上好好玩一把，另一方面在一定程度上也標明了谷歌目前所處的地位。
gartner的linden告訴記者，谷歌的優勢是「它可能是這個星球上最大的機器學習公司，比別的公司大兩到三倍。」他表示，這主要是因為谷歌的搜尋引擎很好地實現了「大規模機器學習動作」。
正如pichai所說的，這當然是核心業務的乙個獨到之處，不過，谷歌還沒有充分地將這些功能做成雲服務。
linden稱，「他們是尖端部署的領頭羊，但就良好的支援、使用方便和良好的軟體文獻方面而言肯定不是領頭羊。」
他表示，在這些方面，諸如谷歌tensorflow演算法庫和建立用機器學習模型的**api工具的產品，還仍然在初級階段，它們對於資料科學家來說不如對軟體工程師那麼有價值。
third eye公司的das告訴記者，「谷歌雲機器學習（ml）有非常酷的技術，但是入場的時間晚了。他們現在談論得多了些，因為他們正在考慮如何用自己的技術切入市場」
微軟：機器學習是強項
微軟發展機器學習功能已經有二十多年了，如今在xbox、bing和windows 手機的cortana數字助理裡都用到機器學習。
das表示，微軟在2023年2月推出azure機器學習平台，它比「谷歌目前的平台要強大得太多了」。
neudesic的gebremedhin認為，微軟對自身的定位是成為機器學習的大商家，由於其平台靈活度高，可以和資料採集、管理、轉化、批處理及實時決策和儲存等技術整合。
他表示，azure ml提供「多個對不同**的開放連線」，比如資料來源大資料、hadoop資料集群等，因此「使用者基本上想做什麼都沒有限制」。
neudesic最近接了乙個亞利桑那州第二大公用事業公司的專案，利用azure ml搭建乙個平台，用來收集一百萬多個電表的資料。
gebremedhin告訴記者，用到的機器學習演算法可以基於過去和現在的精度指標進行修改並更新，得到的新解決方案能更好地**鳳凰城地區居民的需要，從而在使用上獲得更加有效的能源使用效率，並減低成本。
分析師linden告訴記者，azure ml的成熟市場令谷歌處於劣勢，並且微軟現在還針對各種受眾推出了乙個組織嚴密的執行環境，絕對稱得上「遠見卓識」。
aws：具有內在優勢
aws不是一家會把地盤兒拱手讓人的公司。2023年4月，aws推出機器學習，目前已經可以基於aws ml開發落地的解決方案。
47lining的bass表示，他的公司已經利用aws平台為客戶打造了強大的解決方案，而要在前不久做到這一點無論從成本和技能上來說都行不通的。
他表示，47lining最近實現了乙個解決方案，是為一家有線公司開發研究其客戶動向的**應用，目的是更好地留住客戶。而47lining為另乙個客戶實現的解決方案也用到aws ml，幫助客戶**消費者的信用風險。das告訴記者，多年以來，這樣的應用程式對於那些負擔不起「資料科學家大軍」的公司來說是不能想象的，但由於雲計算的按需計算模型將機器學習推向了大眾化。
據gartner linden的說法，亞馬遜的ml平台像谷歌的ml平台一樣仍然缺乏企業成熟度，它需要有更好的介面、更廣泛的工具集，以及更注重科學家而不是注重開發商。不過，由於aws在雲計算領域所處的位置，隨著超規模的**商之間的競爭加劇，aws ml也是不可低估的。
ironside的bonnette告訴記者，aws整體的市場份額為其提供了乙個巨大的內在優勢。隨著企業開始將機器學習用到業務流程導向裡，他們會發現，要成功地利用ml技術取決於能否在雲環境中有效地積累大量顆粒型別的資料。越來越多的機構都選擇將資料存在aws上，其數量要多過其他雲服務提供商。
bonnette表示，在什麼地方進行機器學習可能取決於你將資料歸檔和儲存在什麼地方。
物聯網將刺激市場
據gartner估計，基於雲計算的機器學習平台目前形成了乙個13億美元的市場，每年的增長大概在15%到20%，其中雲提供商所佔的比例是微不足道的。
linden表示，**商可能在這些業務上賺不了錢，缺乏資料科學家是這項業務推廣的最大阻礙。
但由於新興用例的出現，在不太遙遠的未來會出現反l型增長熱潮，新興用例包括自然語言處理、心理分析、影象識別等，值得一提的是，今年，影象識別第一次在識別手寫字元能力上超過了人類。
據linden的介紹，新興的物聯網市場會為增長新增另乙個向量，「沒有哪種技術能像機器學習一樣無處不在，機器學習技術可以引入到各種非常廣泛的應用裡。」
thirdeye的das表示，他最近和客戶討論潛在專案時看到一些微妙的變化。「客戶每每問起，機器學習已經不再是願望清單上的一項看得見摸不著的專案，機器學習已經在驅動行動。
das告訴記者，不久前的乙個手機零售客戶提出了自學轉換優化器的具體要求，自學轉換優化器用於幫助**那些使用者更有可能加入客戶的特優服務。該轉換引擎現在輔佐著乙個20多個資料分析師團隊，幫助他們識別客戶基群，以圖在未來的活動中鎖定目標細分市場。該系統在重複使用後會變得越來越有效
雖然機器學習解決方案是乙個重要的利潤驅動器，但要獲得廣泛的採用需要的遠不止成熟的技術和可用資源。
ironside的bonnette告訴記者，到最後，很多建立在機器學習平台上的應用大都需要客戶方面能接受風險基線，原因是我們做的其實是試驗。他表示，智慧型自學機器只能做出**，不會提供具體的結果，客戶需要知道「我們幹的買賣並不是定數」。
原文發布時間為：2023年7月12日
今天你用Subversion了嗎
在乙個團隊中編寫過 的人應該都用過源 管理工具，在團隊開發中源 管理工具是基本的軟體配置管理的一部分。但我感覺不僅程式設計人員在團隊軟體開發中要用版本控制項工具version control，我們每個用電腦寫過點什麼的人都應該有個version control.或者說，只要你常用鍵盤敲入一些東西並把...
今天，你學習了嗎？
1 對meta的理解 在每個html的頁面中，有這樣一行 charset utf 8 因為每次新建html檔案自動生成這行，一直沒在乎過這個標籤有什麼意義。今天看到這樣的 name viewport content width device width,minimum scale 1.0,maxim...
今天，你用智慧型音箱了嗎？
羊毛出在狗身上讓豬來買單 智慧型音箱背後的平台經濟 中，我分析了為什麼智慧型音箱之爭不是入口之爭，而是平台之爭。有讀者反饋說，智慧型音箱剛開始用覺得挺好玩的，過幾天新鮮勁兒過去了，就覺得用處不大。這篇文章我們來聊聊為什麼會有這種感覺，以及站在平台的立場，該怎麼辦？之前的文章我們提到過，對於平台產品而...