概述
我们将总结我们从行业中的 AI 平台中学到的元素。包括什么是人工智能平台，平台有哪些组件，平台可以做什么，它将如何帮助我们通过人工智能实现目标。然后尝试确定 AI Platform 的关键问题和它必须实现的目标。
人工智能平台
人工智能平台为用户提供构建智能应用的工具包。这些平台将智能决策算法与数据相结合，使开发人员能够创建业务解决方案。一些平台提供预先构建的算法和简单的工作流程，具有拖放建模和可视化界面等功能，可以轻松地将必要的数据连接到最终解决方案，而其他平台则需要更多的开发和编码知识。除了其他机器学习功能外，这些算法还可以包括图像识别、自然语言处理、语音识别、推荐系统和预测分析功能。
开发人员经常使用 AI 平台来创建学习算法和智能应用程序。但是，没有密集开发技能的用户将受益于平台的预构建算法和其他抑制学习曲线的功能。AI 平台与 PaaS 非常相似，后者允许基本的应用程序开发，但这些产品的不同之处在于提供了机器学习选项。随着智能应用程序成为常态，所有 PaaS 产品开始提供与 AI 平台相同的机器学习选项可能会变得司空见惯。
如果对Python有兴趣，想了解更多的Python以及AIoT知识，解决测试问题,以及入门指导，帮你解决学习Python中遇到的困惑，我们这里有技术高手。如果你正在找工作或者刚刚学校出来，又或者已经工作但是经常觉得难点很多，觉得自己Python方面学的不够精想要继续学习的，想转行怕学不会的， 都可以加入我们，可领取最新Python大厂面试资料和Python爬虫、人工智能、学习资料！微信公众号【Python大本营】等你来玩奥~
前 5 名 AI 平台
易于使用、满足要求、易于开展业务、易于设置、支持质量、易于管理
谷歌人工智能平台
Google AI Platform 包含 3 个重要组件：AI Hub、AI Building blocks 和 AI Platform。
人工智能中心
AI Hub 为构建 AI 系统的开发人员和数据科学家提供了一系列资产。在笔记本中训练您的 ML 模型或将其部署到托管服务。查找和部署 ML 管道。探索和重用 TensorFlow 模块。发现为您的训练模型提供服务和管理的最佳解决方案。从深入的教程和示例中学习。
人工智能积木
使开发人员可以轻松地将视觉、语言、对话和结构化数据添加到他们的应用程序的工具。
人工智能平台
这种基于代码的数据科学开发环境使机器学习开发人员、数据科学家和数据工程师能够快速且经济高效地将他们的项目从构思到部署。
控制台和仪表板
微软 Azure 人工智能
Microsoft Azure AI 专注于 3 个主要领域：AI 应用程序和代理、知识挖掘、机器学习。
人工智能应用程序和代理
使用认知服务和机器人服务在您的应用程序中提供突破性体验。访问行业领先的 AI 模型，这些模型如今已被 Office 365、Xbox 和 Bing 等数百万产品所使用。使用您自己的数据自定义这些模型并在任何地方部署。只有 Azure 为您提供对这些久经考验的功能的访问权限。
知识挖掘
只有 Azure 为您提供最先进的机器学习功能。使用 Azure 机器学习、Azure Databricks 和 onNX 快速轻松地构建、训练和部署机器学习模型。使用您选择的工具和框架，无需锁定。使用自动化机器学习更快地开发模型。跨云和边缘轻松部署和管理。
机器学习
使用 Azure 搜索从所有内容（文档、图像和媒体）中发现潜在见解。使用唯一具有内置 AI 功能的云搜索服务，发现内容中的模式和关系，了解情绪，提取关键短语等。
控制台和仪表板
亚马逊机器学习
亚马逊专注于解决一些阻碍机器学习掌握在每个开发人员手中的最严峻挑战。
机器学习服务
Amazon SageMaker 使开发人员和数据科学家能够快速轻松地构建、训练和部署任何规模的机器学习模型。它消除了阻碍跨用例和行业成功实施机器学习的复杂性——从运行用于实时欺诈检测的模型到虚拟分析潜在药物的生物学影响，再到预测棒球中被盗基地的成功。
人工智能服务
AWS 预训练的 AI 服务为您的应用程序和工作流程提供现成的智能。AI 服务可轻松与您的应用程序集成，以解决常见用例，例如个性化推荐、现代化联络中心、提高安全性和提高客户参与度。因为我们使用与 Amazon.com 和我们的 ML 服务相同的深度学习技术，您可以从持续学习的 API 中获得质量和准确性。最重要的是，AWS 上的 AI 服务不需要机器学习经验。
机器学习框架和基础设施
从 TensorFlow、PyTorch、Apache MXNet 和其他流行框架中进行选择，以试验和自定义机器学习算法。您可以使用您选择的框架作为 Amazon SageMaker 中的托管体验，也可以使用 AWS Deep Learning AMI（Amazon 机器映像），它们完全配置了最流行的深度学习框架和工具的最新版本。
控制台和仪表板
其他
阿里巴巴人工智能机器学习平台
阿里巴巴人工智能机器学习平台提供端到端的机器学习服务，包括数据处理、特征工程、模型训练、模型预测和模型评估。人工智能机器学习平台结合了所有这些服务，使人工智能比以往任何时候都更容易访问。
IBM 沃森机器学习
IBM Watson Machine Learning 可帮助数据科学家和开发人员共同努力，加快部署过程并将 AI 集成到他们的应用程序中。通过简化、加速和管理 AI 部署，它使组织能够利用机器学习和深度学习来交付业务价值。
甲骨文人工智能
Oracle 可随时构建的 AI 平台为数据科学家和应用程序开发人员提供了一系列云服务，以轻松构建、训练、部署和管理 AI 驱动的解决方案。借助现成的 Oracle 自治数据库平台，机器学习正在幕后工作，以自动化安全修补和备份并优化数据库查询性能。了解由 AI 提供支持的现代云架构如何满足您的业务需求。
H2O机器学习平台
H2O 是一个完全开源的分布式内存机器学习平台，具有线性可扩展性。H2O 支持最广泛使用的统计和机器学习算法，包括梯度增强机器、广义线性模型、深度学习等。H2O 还具有行业领先的 AutoML 功能，可自动运行所有算法及其超参数，以生成最佳模型排行榜。
多轴突
一个用于复制和管理机器学习和深度学习应用程序的整个生命周期的平台。Polyaxon 为您提供了最简单的途径，可以快速实现更快的创新，并开发可重现和可扩展的机器学习模型。独立于云提供商扩展您的数据科学基础架构并更快地进行创新。
概括
如您所见，不同的 AI 平台有许多共同的特点： 为构建智能、支持 AI 的应用程序提供平台。允许用户创建机器学习算法和/或为更多新手用户提供预构建的机器学习算法来构建应用程序。为开发人员提供一种将数据连接到算法以供他们学习和适应的方法。
人工智能平台状态
人工智能可访问性
除非我们让每个人都可以轻松访问 AI Platform，否则它不会进入产品。AI Platform 的主要问题是缺乏可访问性。我们必须注意畅通数据可访问性、工作流可访问性、知识可访问性和服务可访问性。
数据可访问性
研究人员从不同来源获取数据。这是一项肮脏的工作，从来都不容易。研究人员没有这样的地方可以一目了然地查看所有数据，以帮助他们了解数据之间的关系。数据对人工智能的重要性是不可否认的。AI 接收特定功能或任务的输入或请求，并且为了输出解决方案，它需要访问数据。AI 可以访问的数据越多越好。研究人员必须以更好的方式充分了解我们的数据。这就是为什么不能忽视提高数据可访问性的原因。
谷歌、微软和亚马逊都提供友好的工具来为开发人员在其 AI 平台上提取和操作数据。
工作流程可访问性
从数据摄取、数据标记、数据分析、数据转换、模型训练、数据验证、提炼、再训练、部署、演化和服务。这是机器学习操作化的一个非常常见的工作流程。研究人员不会共享这样的工具来简化他们的工作流程。研究人员在工作流程上不可避免地需要付出努力，但他们的大部分工作都是重复的，难以重用。
我们必须提供一种工具来部署、监控和管理机器学习模型。跟踪已部署机器学习模型的运行状况和性能。提供整体管理工具，以更好地了解跨产品部署的所有模型。
知识可及性
人工智能正在成为所有商业软件的主要内容，并将在可预见的未来继续存在。实际上，我们对 AI 以及它如何将我们带入未来几年知之甚少。苹果、谷歌、微软和亚马逊在建立强大的研究团队之前没有人工智能。他们的研究团队编写了许多文档、指南、规范、设计、标准、解决方案等。这些成为他们的 AI 知识中心。每个人都可以访问它并从中学习，因此他们知道如何将 AI 应用到他们的业务中并通过 AI 开发新领域。他们最终成为一家人工智能驱动的公司。
建设人工智能知识中心是人工智能平台的重中之重。
服务可访问性
AI 基础设施层、ML 服务层、AI 服务层，它们是 AI Platform 的服务。这些服务应该为彼此设计，为彼此进化。所以人工智能平台可以快速移动。尤其是人工智能服务层，我们定义了我们应该在这一层服务什么，这样我们就知道我们需要专注于什么。人工智能服务应该是产品就绪层。谷歌和微软的人工智能服务都提供视觉、视频、翻译、自然语言、语音等。
AI平台必须实现
开发工具以确保每个团队都可以访问 AI。
基础设施、服务、标签工具、质量控制、分析工具、监视器、自动化、控制台、仪表板、命令行工具、lib/framework/SDK/API。等等。
- 建立知识中心，指导每个团队通过人工智能实现目标。
文档、规范、设计、标准、解决方案、算法。等等。
- 为产品提供高质量的人工智能。
推荐、搜索、活动、营销、个性化、播放元数据、自适应比特率。等等。
- 将 AI 技术应用于新领域。
智能视频广告、AR/VR、语音。等等。
如果对Python有兴趣，想了解更多的Python以及AIoT知识，解决测试问题,以及入门指导，帮你解决学习Python中遇到的困惑，我们这里有技术高手。如果你正在找工作或者刚刚学校出来，又或者已经工作但是经常觉得难点很多，觉得自己Python方面学的不够精想要继续学习的，想转行怕学不会的， 都可以加入我们，可领取最新Python大厂面试资料和Python爬虫、人工智能、学习资料！微信公众号【Python大本营】等你来玩奥~
