云计算在人工智能中的作用

---

介绍

尽管云计算的出现时间比人工智能更早，但它极大地促进了人工智能的发展。自从云计算问世以来，就出现了巨大的推动力。随着时间的推移，人工智能的一些方面发生了变化，例如数据和数据集、处理能力（如 GPU）、模型、算法以及人才和能力。本文将探讨云计算如何帮助人工智能（AI）取得进步。

云计算在人工智能中的作用

云交付模型

通过 IaaS（基础设施即服务），人工智能专家可以立即获得一个功能齐全的计算环境，而无需等待基础设施团队进行设置（CPU、内存、磁盘、网络、操作系统）。最近，云服务公司开始提供 GPU 硬件。

PaaS 通过向用户提供 AI 和数据科学服务（如 Jupyter 笔记本和数据目录服务）简化了 AI 专家创建新应用程序的过程。

SaaS 用户现在可以在应用程序内部使用 AI 服务，以充分利用客户关系管理 (CRM) 和支付处理软件等程序（软件即服务）。

云技术

由于容器的存在，现在所有数据科学家都可以在同一个地方并使用相同的界面工作。即使云提供商使用更多 GPU 功能运行它，数据科学家仍然可以在该平台上托管他们的容器。

使用 Kubernetes，数据科学家可以创建更易于扩展且构建于容器之上的数据科学平台。Kubernetes 允许它将容器化数据科学应用程序部署到多个云提供商，而无需设置或维护底层计算机基础设施。

数据是人工智能中最关键的部分，因此请确保您使用了足够的数据。为了评估算法和模型，您需要能够访问大量数据。正确的知识使在云中存储公共和私有数据变得容易且安全。

人才/技能可用性

现在，美国和世界各地的大学和高校都开设了许多数据科学和人工智能工程的本科和研究生学位课程。这些课程在许多领域都有开设，例如计算机科学和数学，高等教育机构通常在本科和研究生阶段提供此课程。

深度学习、人工智能 (AI)、机器学习、自然语言处理和自然语言理解方面的专家可以在 Kaggle 和 CrowdANALYTIX 等基于云的平台上合作开展项目并相互竞争。

这些平台使得处理信息和共享数据成为可能。任何想要使用此服务的人都可以单独使用。很容易到达那里，并且只需很短的时间。有几组数据可供选择。这些现代环境有利于聪明人的成长，因此，它们有利于使用它们的人的发展。

DevOps

DevOps 是一种运行 IT 运营和制作软件的方法，它使用了许多相同的语言（Ops）。“第一次”这个短语用于一个同名的会议。DevOps 方法并不新鲜，但在用于构建微服务架构时具有诸多优势。DevOps 不会在数据科学生命周期中解决问题。2018 年，Gartner 提出了一种名为“模型”的新理念。MLOps 在 ModelOps（机器学习运营）之前出现。它是 DevOps 获得的东西。

如今，每个主要的云提供商（如 AWS、Azure、GCP、IBM、Oracle 等）都提供全方位的 API 服务和平台，用于数据科学和机器学习（例如自然语言处理、计算机视觉和自动化机器学习）。IBM、SAS 和 RapidMiner 是各自领域的三家最大的公司，它们提供基于云的数据科学和机器学习解决方案。借助云原生 (Kubernetes) 基础设施，相同的 数据科学平台和 AI API 服务也可以在本地使用。云服务提供商和分析公司表示他们将很快改进其产品。

以下是一些由于人工智能的重大影响而使云计算看到的优势 −

自主感

结合人工智能的云计算可能有助于企业变得更加数据驱动和战略导向。这可以使人们的工作效率更高。通过使用人工智能来自动化耗时、重复的任务以及不需要人工参与的数据处理，可以提高整体生产力。

IT 团队可以使用 AI 来监督和跟踪关键活动。人工智能可以处理繁琐的工作，而人类则专注于为公司创造价值的更具战略意义的努力。

降低支出

云计算比本地数据中心更具成本效益，因为它消除了硬件管理和维护成本。虽然启动人工智能工作可能很昂贵，但组织可以通过向云提供商每月支付费用来获取必要的技术。使用此服务可以最大程度地降低研发成本。此外，人工智能系统无需人工干预即可进行数据分析和决策。

最少努力的数据管理

人工智能对关键领域（包括数据处理、管理和组织）产生了重大影响。通过利用更可靠的实时数据，人工智能可以提高组织的整体绩效。最后，人工智能技术使收集、组织和更新信息变得更加容易。

结论

研究人员和科技公司正在预测未来几年人工智能将增长最快的行业和应用。如果我们想充分利用人工智能，我们需要将其转化为利用云交付和处理方法的用例。边缘计算将云的低延迟和即使在互联网断开连接的情况下也能工作的能力带到公司的服务器中。这对于拥有大量数据和处理能力的企业（例如视频分析）尤其有用。量子计算的进步将特别有助于机器学习。