加入收藏 | 设为首页 | 会员中心 | 我要投稿 湖南网 (https://www.hunanwang.cn/)- 科技、建站、经验、云计算、5G、大数据,站长网!
当前位置: 首页 > 创业 > 正文

我研究了最热点的200种AI器材,却发明这个行业有点饱和

发布时间:2020-07-21 18:59:39 所属栏目:创业 来源:站长网
导读:副问题#e# 在 LinkedIn 上,许多你申请的呆板进修地位都有高出 200 名竞争者。在 AI 器材上人们也有这么多选择吗? 为了完备相识呆板进修技能应用的近况,结业于斯坦福大学,曾就职于英伟达的工程师 Chip Huyen 抉择评测今朝市面上全部能找到的 AI / 呆板学

一大部门齐集在数据 pipeline,包罗数据打点、贴标签、数据库 / 查询、数据处理赏罚和数据天生。数据 pipeline 器材也许也想成为一体化平台(all-in-one platform)。因为数据处理赏罚是项目中最淹灭资源的阶段,一旦有人在你的平台上安排他们的数据,那就很有也许给他们提供预构建或预实习的模子。

建模和实习器材大多是框架。当前深度进修框架之争有所安静,首要齐集在 PyTorch 和 TensorFlow 这两者之间,以及基于这两者办理 NLP、NLU 和多模态题目等特定使命的更高级的框架。漫衍式实习规模也有一些框架。尚有一个出自谷歌的新框架 JAX,每个厌恶 TensorFlow 的谷歌员工都力捧这个框架。

存在一些用于尝试追踪的独立器材,一些风行深度进修框架尚有内置的尝试追踪成果。超参数调解很重要,以是呈现专门用于超参数调解的器材并不稀疏,可是它们好像没有一个风行起来。由于超参数调解的瓶颈不是配置,而是运行它所需的算力。

尚未办理但最令人欢快的题目在陈设和处事空间中。穷乏处事要领的缘故起因之一是研究职员与出产工程师之间缺乏雷同。在有手段举办人工智能研究的公司(经常是大公司),研究团队与陈设团队是分隔事变的,两个团队仅通过 P 打头的司理:产物司理、措施司理、项目司理相互交换举办雷同。而员工可以看到整个仓库的小公司就会受到即时产物需求的限定。

只有少数几家初创公司可以或许缩小差距,这些公司凡是是由已有成绩的研究职员建设,而且有足够的资金雇佣优越的工程师。而这样的初创公司将会占有人工智能器材市场很大一部门。

开源和开放内核(open-core)

作者选择的 202 种器材中有 109 种是开源软件(Open Source Software, OSS),而且没有开源的器材也经常与其他开源器材绑在一路。

开源软件的呈现和成长由多种缘故起因促成,以下是全部开源软件支持者评论数年的一些缘故起因,包罗透明度、协作、机动性以及合乎伦理道德。客户也许不但愿行使无法获取源代码的新器材。不然,假如不开放源代码的器材无法行使,则必需重写代码。这是初创公司常常呈现的状况。

开源软件并不料味着非红利和免费,开拓者有其更深远的目标。必要看到,开源软件的维护耗时且耗费不菲。据说 TensorFlow 团队的成员数靠近 1000 人。一家企业提供开源软件必定有其贸易目标,举例而言,越来越多的人行使某家公司的开源软件,那么该公司的名头就会越来越响,人们也就越发信赖这家公司的专业技能,最终也许会购置他们的专有器材,乃至插手他们的团队。

这样的例子触目皆是。谷歌精心极力地推广他们的器材,其目标是想用户行使其云处事。英伟达维护 cuDF,旨在售卖更多的 GPU。Databricks 免费提供 MLflow,但也售卖他们的数据说明平台。

另外,网飞公司最近创立了专门的呆板进修团队,并推出了本身的 Metaflow 框架,从而也插手到了呆板进修(ML)的成长大潮中,以吸引人才。Explosion 免费提供 SpaCy,但同时对 Prodigy 收费。HuggingFace 是一个特例,它免费提供 transformer,但不清晰毕竟怎样红利。

跟着软件开源成为一种尺度,初创公司找到一种行之有用的贸易模式变得很坚苦。任何刚起步的器材类公司都必需与现有开源器材竞争。以是,假如初创公司选择开源内核的贸易模式,则必需抉择开源软件中涵盖哪些成果,付费版本中包括哪些内容才不显得贪得无厌,以及怎样让免费行使器材的用户开始付费。

将来瞻望

关于 AI 泡沫是否割裂的接头此起彼伏。很大一部门的 AI 投资流向了自动驾驶汽车,但我们已相识完全自动驾驶的车辆离落地应用尚有很长的路要走,一些人揣摩投资者将会对 AI 完全损失约心。

谷歌停息了 ML 研究职员的雇用,优步也开除了 AI 团队中一半的研究职员。这些决定都是在新冠肺炎发作之前做出的。另外,有传言称,因为选择攻读呆板进修的人数太多了,市场上 ML 的事变需求却远远少于把握 ML 技能的人才。

那么题目来了,此刻进入 ML 规模照旧好机缘吗?不行否定,AI 炒作确实存在,在某种水平上,这种热度必要「降温」。这一点也许已经产生了。然而,作者并不以为 ML 会消散。也许越来越少的企业可以或许支撑得起 ML 研究,但依然会有企业必要器材将它们的 ML 付诸出产。

由此,假如必需在工程和 ML 两者之间选择,作者提议选择工程。优越的工程师进修 ML 常识越发轻易,但 ML 专家想要成为优越的工程师就较量坚苦了。假如可以成为一位可以或许构建优越 ML 器材的工程师,那真是再好不外了!

 

(编辑:湖南网)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!

热点阅读