Uczenie maszynowe obejmuje coraz więcej dziedzin naszego życia, wkraczając zarówno do świata rozrywki, jak i poważnego biznesu. Analitycy przewidują, że machine learning, a ogólniej mechanizmy sztucznej inteligencji (AI), będą w najbliższych latach motorami napędowymi innowacji zachodzących w obszarze nowych technologii. Wprawdzie największe światowe koncerny rozwijają rozmaite modele uczenia maszynowego, ale nie wszystko idzie po myśli developerów, a także firm, które próbują wykorzystać nowinki z szeroko pojętej sztucznej inteligencji.

Według analityków Gartnera aż 85 proc. projektów związanych z wdrożeniem AI kończy się fiaskiem. Dzieje się tak z kilku przyczyn. Trudności wzrastają wraz z ilością danych, tymczasem IDC prognozuje, że w latach 2019–2025 zwiększy się ona aż sześciokrotnie i osiągnie poziom 175 ZB. Kolejną, typową już bolączką branży IT jest brak wykwalifikowanych kadr. Na całym świecie pracuje wprawdzie około 300 tys. inżynierów AI, jednak Tencent ocenia, że deficyt w tej grupie specjalistów wynosi około 99 proc. Poza tym AI zaczyna obejmować obszary, w których algorytmy nie decydują o trywialnych sprawach, takich jak wygrana z człowiekiem w grze go, lecz odpowiadają za pracę robota produkcyjnego czy sterowanie autonomicznymi pojazdami.

– Jednym z kluczowych zadań, przed którymi stają firmy i instytucje, jest wprowadzenie modeli machine learningu do produkcji. Szczególnie dotyczy to złożonych rozwiązań, w których przypadku mamy do czynienia z przepływem i obróbką dużej ilości danych. Podobnie jak w procesie tworzenia aplikacji, również w budowaniu modeli uczenia maszynowego istnieje presja czasu. Szybkie opracowanie wydajnego rozwiązania pozwala uzyskać przewagę konkurencyjną – tłumaczy Eero Laaksonen, CEO Valohai.

Machine learning w formie usługi

Sceptycy patrzą na rozwój sztucznej inteligencji z dużym niepokojem. Z jednej strony obawiają się, że zabierze ona wielu ludziom miejsca pracy, z drugiej zaś pogłębi dominację wielkich koncernów IT w gospodarce światowej. Wprawdzie nie można wykluczyć żadnego z wymienionych scenariuszy, aczkolwiek istnieją przesłanki, które pozwalają z umiarkowanym optymizmem patrzeć na rozwój AI. W Dolinie Krzemowej pojawia się mnóstwo firm opracowujących projekty, które mają ułatwiać tworzenie modeli uczenia maszynowego, a także powszechne wykorzystywanie rozwiązań bazujących na sztucznej inteligencji.

Jednym z przykładów tego trendu jest rozwój usług Machine Learning as a Service. Analitycy Markets and Markets przewidują, że w 2021 r. ten segment rynku osiągnie wartość 3,75 mld dol. Usługi tego typu oferują zarówno giganci – Amazon EC2 P3 i Cloud GPU by Google, jak i start-upy Valohai czy One Panel. Budowanie modeli uczenia maszynowego wymaga ogromnej ilości danych, a także potężnych jednostek obliczeniowych. O ile wielkie koncerny, takie jak Facebook, Uber i Tesla, całkiem dobrze radzą sobie z tego typu wyzwaniami, o tyle w przypadku średnich czy mniejszych przedsiębiorstw są to bariery często nie do pokonania. Daniel Scott, współzałożyciel One Panel, twierdzi, że stworzona przez jego start-up platforma zautomatyzuje i usprawni realizację projektów związanych z uczeniem maszynowym. Tym samym staną się one dostępne dla przedsiębiorców niezależnie od ich wielkości i lokalizacji.

One Panel bazuje na systemie Kubernetes, dzięki czemu developerzy mogą pracować nad projektami w środowisku lokalnym lub dowolnego dostawcy chmury. W skład platformy wchodzą skalowalna siatka danych, narzędzia do testów syntetycznych, środowisko symulacyjne i GPU, zoptymalizowane pod kątem modelowania molekularnego.

Oferujemy rozwiązanie umożliwiające developerom budowanie, testowanie i wdrażanie modeli głębokiego uczenia maszynowego w wysoce skalowalnym środowisku. Z naszej platformy, która debiutowała w 2017 r., korzysta dwa tysiące użytkowników. Szczególnie dużo klientów mamy w Indiach. Cenią oni sobie łatwość uruchomienia usługi – mówi Rush Tehrani, CEO w One Panel.