IBM希望开辟深度学习专长瓶颈

一些企业正在采用人工智能销售您的企业更多，IBM正在使用它来销售你。

具体而言，它采用一组AI工具来最小化您需要购买的云服务上的计算时间的量，以便培训另一组AI工具来运行业务。

据IBM Watson和IBM研究员的首席架构师Ruchir Puri表示，这将允许IBM的客户充分利用AI专业知识。

“我们正在降低企业机器学习能力的障碍，”普里说。

障碍普利族谈论是深度学习人类专业知识的稀缺性，一种培训专业领域的人工智能的方式。

培训AI的过程是计算密集的，通常需要有关领域专业知识的员工，大多数企业将拥有，也在深度学习模式的发展和调整，他们可能不会。

“它正在成为企业的瓶颈，而不是每个人都能负担得起AI专家，”他说。

几年前，IBM将深入学习工具纳入其Watson套件，现在已经积累了足够的经验精细调整的深度学习过程，即它使用它来训练AI来微调他人的培训。

这种微调涉及AI培训过程中使用的“超参数”的选择。深度学习专家将对特定任务的权利进行本能感受，允许它们最小化开发模型所需的计算资源量，而初学者可能被迫通过所有可能的参数组合来覆盖以便找到正确的那一个。

“我们的工作是通过自动调整来帮助您通过自动调整，从而缩小您可能使用的计算时间和资源，”Puri说。

此调整过程是IBM最新的Watson Studio提供，深度学习作为服务的一部分，该公司于周二推出定价。

有三层层，第一个是想要看看IBM的模型调整AI的业务的自由之一。企业（v2）计划是最贵的，最低每月5,000美元。这包括访问五个授权用户和无限观众协作者的环境，以及5,000个“容量单位”。（每小时为0.50美元。）一个容量单元由两个具有8GB RAM的虚拟CPU组成;可提供更大且较小的虚拟服务器实例，其容量单位成本具有相应的变化。

虽然IBM的目标显然是为了推动其云AI工具的使用 - 使用它更便宜，更简单地使得企业将更有可能尝试它 - 公司也在努力发展整体市场。

其中一个涉及IBM'Spark Technology Center的扩展，它专注于使用Apache Spark，一个开源，大数据处理引擎，用于深度学习和其他应用。

在其新名称下，开源数据和AI技术的中心，它的目标是使企业更容易创建，部署和管理AI模型，并已启动其前两项计划。

一，深度学习的结构（FFDL或“小提琴”），使用集装箱化应用程序管理系统Kubernetes简化深度学习框架中计算资源的管理。它可以在由CPU和GPU组成的云计算面料上编排Tensorflow，Caffe，Caffe2，Pytorch和Keras工作负载。

另一种模型资产交换（MAX）是一种用于培训模型的应用商店，为企业提供了一种标准化的方式，以部署他们或其他人已经构建的深度学习模型。

如果要将AI合并到您现有的基于云的业务流程中，“您可以在Watson Studio中培训，然后将其拍摄，”Puri说。