显然，人工智能和云计算的结合将为那些利用它的公司提供一个关键优势。而人们面临的挑战在于，将这两种新兴技术结合说起来容易做起来难。
首先，企业将会越来越多地采用人工智能(AI)。根据调研机构IDC公司的数据，人工智能和认知系统的收入2017年达到125亿美元，比2016年增长59.3%。研究公司预测，到2020年，人工智能市场每年将增长54.4%，届时市场收入可能会超过460亿美元。
IDC研究主管David Schubmehl表示：“基于认知计算、人工智能和深度学习的智能应用是未来改变消费者和企业工作、学习和娱乐的技术。”他补充说：“人工智能系统正在迅速成为IT基础设施的关键部分，所有企业都需要了解和规划在组织中采用和使用这些技术。”
2017年7月，Vanson Bourne公司对年销售额超过5000万美元的企业中的260名IT和业务决策者进行了调查。由此产生的“企业人工智能状况”调查报告指出，80%的组织已经部署了某种人工智能。尽管进行了初步投资，但有30%的受访者认为，他们在人工智能的投资并不足够，为了保持竞争力，未来三年需要增加投入。
但是，尽管企业可能对人工智能的潜力充满热情，但他们也认识到，技术的成功部署带来了重大的挑战。在这个调查中，91%的受访者预计人工智能将遇到障碍。更具体地说，有40%的人认为他们没有合适的基础设施来支持人工智能。此外，34%的人表示他们没有合适的人才，33%的人表示技术尚未得到证实，30%的人表示他们缺乏实施的预算。
Teradata公司的企业人工智能状况调查报表
为了克服这些障碍，许多企业选择通过云计算来挖掘人工智能服务。与企业在自己的数据中心部署人工智能的功能相比，这个决策提供了许多优势：
人工智能在云计算中的好处
在很多方面，云计算和人工智能似乎是相互建立的，专家预测人工智能服务将成为云计算供应商的未来的一个战场。例如，在今年早些时候，Canalys Research公司预测，未来云计算市场的增长将受到云计算服务提供商正在开发的人工智能(AI)平台的客户的推动，以开发新的应用程序、流程、服务和用户体验。
很少有企业(即使是一些规模最大的企业)有能力进行人工智能的基础研究。但是，所有主要的云计算供应商都在大量投资人工智能研发。通过利用这些服务，组织能够利用人工智能技术的进步，而无需自己资助研究。另外，利用云计算人工智能服务还提供了许多其他好处：
•采用高级计算基础设施-机器学习和神经网络需要大量的并行处理能力。为了满足这种需求，人工智能应用程序必须在具有高级图形处理单元(GPU)的系统上运行。但是，这些系统可能非常昂贵 - 使它们对于试点项目来说有些不切实际。使用云计算服务可以让企业获得他们需要的人工智能计划资源，同时只为他们所使用的资源支付费用。如果一个试点项目没有成功，他们可以很容易地关闭，而不用担心他们需要为昂贵的硬件再支付费用。
•可扩展性-当企业在最初的人工智能方面取得成功时，往往希望扩展这些项目。随着需求的增加，云计算可以很容易地扩大或缩小这些项目规模。云模型使企业可以更容易地将技术的使用范围扩展到组织内的其他部门和业务部门。
•易于使用-对于了解人工智能技术的开发人员和数据科学家而言，竞争非常激烈。因此，这些专业人员的薪酬非常高。许多组织发现他们找不到或者很难招募人工智能的专业人才，而在现有员工中开发和提升人工智能技能需要一定的时间。然而，主要的云计算供应商正在通过推出人工智能服务来满足这一需求，这些服务简化了创建和训练机器学习模型的过程，以及将语音、图像识别或自然语言处理添加到应用程序的过程。这又反过来有助于企业克服内部人工智能人才缺乏的问题。
•获得最新技术–Teradata公司进行的调查中，受访者指出，人工智能技术还不成熟，每天都在发生变化。由于他们投资了人工智能研究和开发，主要的云计算供应商正在定期推出人工智能新的功能。如果企业为自己的数据中心投资人工智能硬件和软件，他们可能会发现他们的技术很快就会过时。但是使用人工智能的云服务可以让组织保持先进性。
•低成本——本文已经多次提到过基于云计算的人工智能的财务优势，但它却值得重复。云计算模型允许组织只为他们在人工智能应用程序部署中使用的计算资源付费。这就消除了企业支付昂贵的前期资本的需要，允许组织将基础设施成本转换为运营费用，并降低人工智能项目的总体价格。
人工智能在云端的挑战
当然，使用基于云计算的人工智能也带来了一些障碍——最明显的是遵从性和安全性。
目前，企业正在采用人工智能技术的最大原因之一是执行预测分析。他们正在使用云计算服务来构建和培训机器学习模型，以帮助他们获得有价值的可操作的见解。
但是这些模型只有在提供大量数据时才有用。而且在某些情况下，这些数据可能是敏感的，需要应对潜在的网络攻击，并遵从相关法规的管辖。在一些行业中，组织可能被阻止在云端处理或存储某些种类的数据。世界上一些地区也限制了某些类型的数据在地理上驻留的地方。
因此，在部署云端的人工智能服务之前，组织需要确保他们具有足够的安全措施来保护有价值的数据，并且满足所有的合规要求。他们不能简单地认为云计算提供商具有必要的安全措施，因为企业将分担安全责任。
另外，了解各种可用的人工智能云服务可能会非常混乱。云计算供应商使用了许多不同的术语：人工智能、机器学习、深度学习、认知计算、神经网络等等。不同的供应商有时会使用这些术语来表示不同的东西。
了解一个特定的人工智能云服务是否能够满足需求的最好方法就是进行尝试。大多数供应商通过免费或廉价的试用期来实现这一点。但是，这个试用的过程需要一些时间。
基于人工智能的云计算
到目前为止，本文主要关注基础架构即服务(IaaS)或平台即服务(PaaS)产品，以便企业部署人工智能的功能。
许多云计算供应商也在挖掘人工智能，使他们现有的IaaS、PaaS和软件即服务(SaaS)产品更好得到应用。
例如，Amazon公司提供了一个名为Macie的服务，它使用人工智能来帮助保护存储在其S3云存储服务上的数据。Oracle公司正在将人工智能技术纳入其数据库软件，以创建一个能够管理和调整自身的自治数据库。Salesforce公司将其Einstein AI嵌入到所有企业SaaS产品中。许多其他SaaS供应商正在将人工智能功能整合到他们的解决方案中。
最后，即使是那些不直接使用基于云计算的人工智能服务的公司也可能最终会利用某种形式的云端人工智能，因为人工智能将成为基于云计算的软件的一部分。根据Gartner公司的预测，到2020年，人工智能技术将几乎渗透到每一个新的软件产品和服务中，而这对于基于云计算的企业软件来说尤其如此。
基于云端的人工智能服务
准备好开始使用云端的人工智能的企业有许多可用选项。所有主要云计算供应商都在提供人工智能服务，而其他一些公司已经宣布或推出了云端的人工智能服务。以下的列表提供了一些最值得人们关注的云端人工智能解决方案的概述：
(1)亚马逊网络服务
•Lex -采用与亚马逊Alexa相同的技术，Lex允许开发人员创建聊天机器人和对话界面。
•Polly-Polly是一个文本转换成语音服务，使用深度学习来产生逼真的语音。
•Rekognition -Rekognition使用深度学习技术分析图像，识别对象、面孔、场景和名人，并标记令人反感的内容。
•机器学习-亚马逊公司的数据科学家用于指导其业务决策的相同技术，机器学习服务提供创建模型和获取预测的工具。
•Apache MXNet-该服务通过Gluon界面简化了向应用程序添加深度学习的过程。
•TensorFlow-虽然TensorFlow是谷歌公司创建的工具，但用户也可以在AWS云平台上运行这个深度学习框架。
•Deep Learning AMIs - Deep Learning AMIs是预先配置的人工智能实例，可通过Amazon Linux或Ubuntu进行深入学习。
(2)微软Azure
•机器学习-微软Azure机器学习服务包含开发人员为其应用程序添加人工智能功能所需的所有工具，包括Machine Learning Studio开发环境，Spark，Docker，Cognitive Toolkit，TensorFlow，Caffe等。
•Bot Service-此服务旨在简化创建聊天机器人的过程。
•认知服务-这种API集合允许开发人员将视觉、知识、语言、语音，以及高级搜索功能添加到他们的应用程序中。
(3)谷歌云(Google Cloud)
•云计算机学习引擎-基于谷歌公司的TensorFlow框架，此服务允许用户构建和训练模型以生成预测。
•自然语言API-此REST API可以提取信息、理解情感、解析意图等等。
•语音API-这种语音识别工具可将音频转换为超过110种不同语言的文本。
•翻译API-翻译API可以快速将文本从一种语言翻译成另一种语言。
•视觉API-使用机器学习技术，该服务可以分析图像内容并对其进行分类。
(4)IBM Bluemix
•沃森(Watson)-IBM公司将所有人工智能服务(它称为“认知计算”)归类为沃森(Watson)品牌。它包括用于构建聊天机器人、视觉识别、发现、自然语言理解、发现新闻、知识工作室、文档转换、语音到文本、文本到语音、语言翻译器、自然语言分类器、检索和排序、个性洞察的对话、虚拟代理服务，以及音频分析仪服务。
版权声明：本文为企业网D1Net编译，转载需注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。
京公网安备 11010502049343号