雲計算在人工智慧中的作用

---

介紹

儘管雲計算的出現時間比人工智慧更早，但它極大地促進了人工智慧的發展。自從雲計算問世以來，就出現了巨大的推動力。隨著時間的推移，人工智慧的一些方面發生了變化，例如資料和資料集、處理能力（如 GPU）、模型、演算法以及人才和能力。本文將探討雲計算如何幫助人工智慧（AI）取得進步。

雲計算在人工智慧中的作用

雲交付模型

透過 IaaS（基礎設施即服務），人工智慧專家可以立即獲得一個功能齊全的計算環境，而無需等待基礎設施團隊進行設定（CPU、記憶體、磁碟、網路、作業系統）。最近，雲服務公司開始提供 GPU 硬體。

PaaS 透過向用戶提供 AI 和資料科學服務（如 Jupyter 筆記本和資料目錄服務）簡化了 AI 專家建立新應用程式的過程。

SaaS 使用者現在可以在應用程式內部使用 AI 服務，以充分利用客戶關係管理 (CRM) 和支付處理軟體等程式（軟體即服務）。

雲技術

由於容器的存在，現在所有資料科學家都可以在同一個地方並使用相同的介面工作。即使雲提供商使用更多 GPU 功能執行它，資料科學家仍然可以在該平臺上託管他們的容器。

使用 Kubernetes，資料科學家可以建立更易於擴充套件且構建於容器之上的資料科學平臺。Kubernetes 允許它將容器化資料科學應用程式部署到多個雲提供商，而無需設定或維護底層計算機基礎設施。

資料是人工智慧中最關鍵的部分，因此請確保您使用了足夠的資料。為了評估演算法和模型，您需要能夠訪問大量資料。正確的知識使在雲中儲存公共和私有資料變得容易且安全。

人才/技能可用性

現在，美國和世界各地的大學和高校都開設了許多資料科學和人工智慧工程的本科和研究生學位課程。這些課程在許多領域都有開設，例如計算機科學和數學，高等教育機構通常在本科和研究生階段提供此課程。

深度學習、人工智慧 (AI)、機器學習、自然語言處理和自然語言理解方面的專家可以在 Kaggle 和 CrowdANALYTIX 等基於雲的平臺上合作開展專案並相互競爭。

這些平臺使得處理資訊和共享資料成為可能。任何想要使用此服務的人都可以單獨使用。很容易到達那裡，並且只需很短的時間。有幾組資料可供選擇。這些現代環境有利於聰明人的成長，因此，它們有利於使用它們的人的發展。

DevOps

DevOps 是一種執行 IT 運營和製作軟體的方法，它使用了許多相同的語言（Ops）。“第一次”這個短語用於一個同名的會議。DevOps 方法並不新鮮，但在用於構建微服務架構時具有諸多優勢。DevOps 不會在資料科學生命週期中解決問題。2018 年，Gartner 提出了一種名為“模型”的新理念。MLOps 在 ModelOps（機器學習運營）之前出現。它是 DevOps 獲得的東西。

如今，每個主要的雲提供商（如 AWS、Azure、GCP、IBM、Oracle 等）都提供全方位的 API 服務和平臺，用於資料科學和機器學習（例如自然語言處理、計算機視覺和自動化機器學習）。IBM、SAS 和 RapidMiner 是各自領域的三家最大的公司，它們提供基於雲的資料科學和機器學習解決方案。藉助雲原生 (Kubernetes) 基礎設施，相同的 資料科學平臺和 AI API 服務也可以在本地使用。雲服務提供商和分析公司表示他們將很快改進其產品。

以下是一些由於人工智慧的重大影響而使雲計算看到的優勢 −

自主感

結合人工智慧的雲計算可能有助於企業變得更加資料驅動和戰略導向。這可以使人們的工作效率更高。透過使用人工智慧來自動化耗時、重複的任務以及不需要人工參與的資料處理，可以提高整體生產力。

IT 團隊可以使用 AI 來監督和跟蹤關鍵活動。人工智慧可以處理繁瑣的工作，而人類則專注於為公司創造價值的更具戰略意義的努力。

降低支出

雲計算比本地資料中心更具成本效益，因為它消除了硬體管理和維護成本。雖然啟動人工智慧工作可能很昂貴，但組織可以透過向雲提供商每月支付費用來獲取必要的技術。使用此服務可以最大程度地降低研發成本。此外，人工智慧系統無需人工干預即可進行資料分析和決策。

最少努力的資料管理

人工智慧對關鍵領域（包括資料處理、管理和組織）產生了重大影響。透過利用更可靠的即時資料，人工智慧可以提高組織的整體績效。最後，人工智慧技術使收集、組織和更新資訊變得更加容易。

結論

研究人員和科技公司正在預測未來幾年人工智慧將增長最快的行業和應用。如果我們想充分利用人工智慧，我們需要將其轉化為利用雲交付和處理方法的用例。邊緣計算將雲的低延遲和即使在網際網路斷開連線的情況下也能工作的能力帶到公司的伺服器中。這對於擁有大量資料和處理能力的企業（例如影片分析）尤其有用。量子計算的進步將特別有助於機器學習。