AI 带来无限可能：
机器学习即服务
• 趋势文章
普及一系列新兴的订阅式 AI 工具将改变数据科学领域
曾经，大部分企业需要处理的多为结构化数据，且规模不大。也就是说，企业只需要使用简单的商业智能 (BI) 工具就可以完成数据分析，相对来说很容易。而现在，情况早已今非昔比。各组织机构正在挖掘的数据大多属于非结构化或半结构化数据，而且非结构化数据比例还在上升，预计到 2020 年，超过 80% 的企业数据都将是非结构化数据。1
除此以外，IDC 预测，这些数据产生的速度会不断加快，而且全球数据规模将从 2018 年的 33 ZB 增长至 2025 年的 175 ZB。2
IDC 预测，到 2025 年，全球产生的数据规模将达到2
175 ZB
简单的 BI 工具无法继续处理数量庞大、种类繁多的数据，因此需要更高阶的分析工具和算法，支持企业获取有意义、可操行强的建议。为了跟上对见解需求日益增长的速度，更好地做出决策，数据科学家将转向人工智能 (AI)、机器学习 (ML) 和认知计算技术，从而促进分析技术达到全新高度。
没有哪一家企业甘于人后。因此，IDC 预测，到 2022 年，全球在 AI 和认知计算方面的支出将达到 776 亿美元，是 2018 年的三倍多。3 而根据 Gartner 的预测，在这一时间，AI 衍生出的全球商业价值总额将达到 3.9 万亿美元。4
3.9 万亿美元
根据 Gartner 预测，到 2022 年，AI 衍生的全球商业价值总额4
MLaaS 的问世
开始采用诸如 ML 等 AI 技术对企业来说挑战很大。这不仅需要高度专用、高要求的技能，还可能需要专业的 IT 基础设施和软件工具，以及合理的数据策略。将这三方面综合起来，无疑需要重大的前期投资，许多企业都望而却步。
为了应对这一挑战，供应商已开始提供机器学习即服务 (MLaaS)。
顾名思义，MLaaS 采用订阅模式，可提供对 AI 工具的访问权限，与许多企业所使用的软件即服务 (SaaS) 模式相同。这些 AI 服务覆盖范围广泛，囊括了开发人员工具、数据预处理和模型训练，直至经过全面训练的成品模型。而且，这些服务全都可以通过 API 进行访问并集成到企业工作流程中。
MLaaS 的问世意味着，与投资创建自己的 AI 资源相比，如今的组织机构可以直接购买供应商的服务，从简单、低成本的产品生态系统中进行选择，量身定制可以满足自身需求的产品。这预示着数据科学将进入新时代——AI 工具的易用性和普及性都将提升，方便公司和组织内的更多岗位使用。
降低入门壁垒
转向 MLaaS 影响深远。首先，MLaaS 可以普及认知计算，以便不同规模的组织机构能够经济高效地试用 ML 和分析工具。
“削减了大量不必要开支和人力浪费后，人们会投入更多资金以获得成果。”
Jake Gardner
Domo 企业客户经理
“MLaaS 作为一项服务，可以免去企业的平台管理负担，”Domo 的企业客户经理 Jake Gardner 解释道，“这可以大大减少数据科学和数据存储所遇到的传统难题，并大幅降低成本；同时，也有助于削减大量不必要开支和人力浪费，从而让公司可以在产生数据科学成果的方面加大投资。这无疑会推动行业创新欣欣向荣。”
使用 MLaaS，规模较小的组织将能够按照所需速度扩大规模。
“以服务的形式提供分析技术，很大的一个优势在于灵活性，”数据咨询公司 A4A Brown 总裁 Meta S. Brown 表示，“这些 [MLaaS] 产品允许团队快速增加计算资源，也允许因偶尔的需要使用大量计算能力，而无需一直支持这些资源。”
在将 ML 工具引入组织机构方面，MLaaS 除了是一种经济高效的方式，也能帮助不同职位和技能分工的人员轻松使用工具。
“我认为，随着数据科学和 ML 的使用变得快捷、简单，越来越多不同的组织和人员都会用起来，甚至连分析师都得要基本了解如何利用数据科学和 ML 技术，”OmniSci 首席执行官兼联合创始人 Todd Mostak 预测，“ML 和数据科学将逐渐渗入普通的商业工具，使用这些工具时，人们根本不会联想到前沿的数据科学。”
他指出，在 Tableau 等工具中已看见这种趋势。这款大受欢迎的 Excel BI 产品，有助于用户在电子表格中发现异常，或者在时间序列中找出异常原因。“用户可能永远都不知道自己在使用数据科学技术，因为他们只想要结果。”也就是说，不同的组织和人员可能会以意想不到的新方式使用数据，每一个管理层级都能做出更加明智的决策。
“以服务的形式提供分析技术，很大的一个优势在于灵活性。”
Meta S. Brown
A4A Brown 总裁
专家观点
机器学习即服务的未来
Jake Gardner
Domo 企业客户经理
“随着 MLaaS 的发展，数据科学家这个名词将重新定义。它不再只指代统计学家或博士，或者相关的大师和数学人才，也可能是对市场焦点有深入了解的普通用户、基层管理人员、分析师。人人都可能成为数据科学家并随心使用。它简单易用、价格亲民，因此市场营销部门都可以通过机器学习，了解营销活动对销售和库存的影响，以及如何充分提高投资回报率。”
Amit Marathe
Inseego Corp AI 和 ML 主管
“未来，每一家企业都可以使用 MLaaS 和自驱动型数据科学平台来生成实时的直观见解，从而挽救生命、提高工作效率、提升盈利能力，以此改变业务模式。利用数据的力量，企业将实现自我颠覆，而不是等着别人来将他们颠覆。”
创新催化剂
这些事实都意味着，MLaaS 有望掀起新的创新浪潮。
到目前为止，跑在这场数据竞赛前面的主要还是财力雄厚的企业，因为他们有能力在 AI 领域投入巨资。这些企业早已尝到了跨行业经营的甜头。例如，在金融服务行业，ML 可用于检测欺诈和识别洗钱行为。最近，Refinitiv 调查了 450 名金融从业人员，包括高管和数据科学家。90% 的受访者表示已在一个或多个部门部署 ML，四分之三的受访者表示 ML 是他们商业策略的核心部分。5
MLaaS 将为企业创造公平的竞争环境，帮助因资源有限而落后的组织迎头赶上，并将 ML 整合到工作流程中。
例如，企业可以使用自助服务数据科学平台，来生成实时的直观建议，并提高工作效率。这些将助力数据科学家了解单个客户的行为，从而让企业能够为每一位客户提供合适数量且高度定制化的商品和服务。这将显著提高生产效率，赢得巨大市场优势。
医疗卫生等行业可以根据单个患者生命体征和病史资料，提供定制化服务，从而大受裨益。例如，研究公司 Emerj 设想，将 ML 应用与代理（如 Amazon Alexa）结合使用，跟踪患者血液情况、饮食、睡眠和压力数据，从而调整患者的止痛药或抗生素剂量。6
此外，可以部署 ML 来自动完成重复任务，比如搜索和信息检索，或者产品分类。企业可以迅速削减管理成本、提高效率，并解放出员工来执行高价值任务。
Booz Allen Hamilton 首席数据科学家兼执行顾问 Kirk Borne 认为，MLaaS 会继续发展，有一天将可以借助数据来建议企业应该解决哪些问题。
“我们对未来的预测之一，就是将数据科学和这些算法应用到数据科学本身之上。因此，数据科学将带来元水平等级的数据发现，即：‘这是您应该查看的内容’、‘这是您应该关注的内容’、‘这是您目前需要注意的趋势或模式’。”
新一代 AI 服务
MLaaS 服务的这种发展可能十分迅速。据 Research and Markets 报告，2019 年至 2024 年期间，MLaaS 市场预计将以高于 43% 的复合年增长率发展。他们认为，MLaaS 模式将主导 AI 市场，因为这种模式可以让用户根据不同的业务需求，选择不同的解决方案。7
“市场会出现分化，分出两个截然不同的类别。”Inseego Corp 公司的 AI 和 ML 主管 Amit Marathe 预测，“一类是“自力更生”型，想要全面的控制权，一切靠自己。另一类则是农业、石油和天然气，以及其他非技术领域，他们缺乏组建专门团队的人力资源，因此做不到从零开始。”
43%
据 Research and Markets 报告，从 2019 年到 2024 年，MLaaS 服务的预期复合年增长率7
Borne 进一步预测，组织机构将能挑选自己需要的功能，如同今天的用户在网上商店选购智能手机应用一样。
“我认为，[MLaaS 服务] 将成为算法产品的大宗商品市场。”
Kirk Borne
Booz Allen Hamilton 首席数据科学家兼执行顾问
Borne 引用了聊天机器人的例子，谈到通过 API 使用聊天机器人，已经可以让一家员工很少的小公司，建立起几近完整的客户服务部门。
“如果客户致电您的公司，需要咨询服务或有疑问反馈，聊天机器人可以根据常见问题解答 (FAQ) 立即做出答复。也就是说，聊天机器人知道如何回答常见问题，而这通常是客户服务代表 80% 的工作。”
服务提供商已开始扩展服务，不仅提供 ML 开发人员平台，还会提供一系列特定的现成功能，方便客户通过 API 进行访问，并集成到组织机构的工作流程中，从而解决许多特定问题。
例如，Google 为经验丰富的数据科学家提供了 Google ML Engine，而 Cloud AutoML 测试版则是一系列 ML 产品，适用于缺乏 ML 专业知识的人群。6
随着 MLaaS 生态系统的发展，功能的精细程度和复杂程度也将继续提高。服务的范围预计会超越预测分析、数据转换和可视化，进入面部识别和自然语言处理领域。
在当今市场中，Amazon Comprehend 等服务可以在分析报告中找到公司名称，识别负面评论8，但在未来，自然语言处理系统将能像人一样理解内容。
“我认为，自然语言处理终将达到这样一种效果——基于某个人使用单词、句式、俚语的方式，自然语言处理便能确定此人来自何处，甚至可能具体到国家或地区。”惠普 Z 系列 AI 和数据科学主管 Jared Dame 说道。
A4A 的 Meta Brown 尤为期待机器监听服务的发展。“还没有人谈及这一领域，但这个领域潜力无限，”她说道，“举例来说，用过 YouTube 搜索的都知道，想找到想要的内容非常难，除非使用的关键词与标题恰好匹配。如果机器能够理解视频和音频内容，那搜索效果肯定可以得到大幅改进。”
协作式数据科学的时代
一般而言，妨碍广泛采用 ML 和数据科学的一大问题是，用户必须面对巨大的复杂性。Dame 表示，自动化 ML 系统必须克服这一障碍。他预测，人们口中的“低代码”开发平台，即通过减少手工编码而支持快速应用开发的平台，可以让每一个人都创建出有效的解决方案。
“我认为，自动化 ML 的未来在于低代码环境，能够为普通消费者生成自动化 ML 或自动深度学习。因此，艺术家也好，没有计算机背景也罢，都可以使用网络工具（基于云的实用工具或本机工具）构建算法，然后将算法作为服务发布，从而帮助销售产品或完成任务。”
更加灵活而开放的 ML 将对数据科学家的角色和团队结构产生重大影响。
“对管理层而言，很大的收获在于颠覆“数据都属于 IT/OT”这一旧认识。”
Jim Duarte
JL Duarte & Associates 总裁
例如，LJ Duarte and Associates 数据科学家兼总裁 Jim Duarte 认为，数据策略需要扩展到 IT/OT 之外，需要不同学科的领域的专家 (SME) 积极参与。随着 MLaaS 逐渐开始为更多岗位提供各种工具，对协作式方案的需求将只增不减。
“对管理层而言，很大的收获在于颠覆‘数据都属于 IT/OT’这一旧认识。”他说道，“企业给了 IT/OT‘数据’预算，期望其可以在未知情况下对数据存储、清理、格式化、访问性和分析等方面作出决策，但其实存在这样一些领域，无法通过数据作出明智的决策。以选择 ML 工具为例。IT/OT 在高阶分析方面几乎毫无经验。”
MLaaS 将为数据科学家提供更丰富的工具，帮助他们关注更高价值的任务。尽管一些数据科学家的角色可能发生变化，但 Duarte 并不认为已不再需要数据科学家。
“数据科学家把握着数据宏图的关键，从收集数据、到向决策者展示数据，”他说道，“让我倍感欣喜的是分析在决策中的广泛应用。重要的是要在各个级别的决策者确定分析的地位。”
重塑未来
数据科学不再只能由规模宏大、资源丰富企业独享。对于不同规模的组织，MLaaS 都将成为其数据科学团队可以使用的高价值工具，帮助他们跨多行业获取重要数据见解和预测。MLaaS 生态系统势必会快速发展，不仅支持通过 API 集成到企业工作流程中，同时技术使用门槛也会变低，让人人都可以借用 ML 的强大力量。
随着 MLaaS 为更广泛的岗位提供各种工具，自然也会推动更广泛的创新，超出传统的数据科学角色。如果数据策略能够扩展到 IT 团队之外，分析工作可以交给各级决策者共同处理，那么组织机构将获益匪浅。
“我认为，成为数据驱动型企业的组织机构，将获得很大的竞争优势，企业间的‘贫富差距’也会出现，”Mostak 说道，“使用数据科学将成为市场优势，因为有海量数据可供使用。”
要点精粹
MLaaS 将推动 ML 的普及，使其更简单，成本更亲民
MLaaS 工具的生态系统可以让 ML 轻松集成到企业工作流程中
MLaaS 工具易于使用，便于组织中的非专业人员广泛使用
MLaaS 让数据科学家得以专注于更高价值的任务
详细了解 MLaaS 的优势。
强劲性能来自
英特尔® 至强®
和英特尔® 酷睿™ i9 处理器。
了解产品
有疑问？
联系销售支持。
不知道该怎么选
Z 系列工作站？
需要 Z 系列工作站方面的支持？
免责声明
- https://www.edureka.co/blog/what-is-data-science/
- https://www.seagate.com/files/www-content/our-story/trends/files/idc-seagate-dataage-whitepaper.pdf
- https://www.idc.com/getdoc.jsp?containerId=prUS44291818
- https://www.gartner.com/en/newsroom/press-releases/2018-04-25-gartner-says-global-artificial-intelligence-business-value-to-reach-1-point-2-trillion-in-2018
- https://www.refinitiv.com/perspectives/ai-digitalization/the-machine-learning-trends-transforming-finance/
- https://cloud.google.com/automl/
- https://www.globenewswire.com/news-release/2019/07/15/1882687/0/en/Machine-Learning-as-a-Service-MLaaS-MarketOutlook-to-2024-by-Application-Organization-Size-End-user-and-Geography.html
- https://aws.amazon.com/comprehend/
4AA7-7926ENW，2020年7月
产品的Logo及位置可能与图片有所差异，不影响产品性能和功能，请以实物为准。
产品图片仅供参考，因不同国家可能存在稍许差异，实际产品以销售为准。
本文所载信息如有变更，恕不另行通知。惠普产品与服务的完整保修条款见此类产品和服务附带的正式保修声明。本文中的信息概不构成额外的保修条款。惠普对本文包含的技术或编辑方面的错误或遗漏概不负责。
英特尔、英特尔标志、酷睿和至强是英特尔公司或其子公司在美国和其他国家（地区）的商标或注册商标。Microsoft 和 Windows 是 Microsoft Corporation 在美国和/或其他国家（地区）的注册商标或商标。NVIDIA 和 Quadro 是 NVIDIA Corporation 在美国和其他国家（地区）的商标和/或注册商标。Linux® 是 Linus Torvalds 在美国和其他国家（地区）的注册商标。AMD 是 Advanced Micro Devices, Inc. 的商标。