10 KI-Plattformen zum Erstellen Ihrer modernen Anwendung

Nachdem wir nun wissen, dass uns die Terminatoren nicht holen werden, ist es an der Zeit, uns mit der künstlichen Intelligenz anzufreunden und von ihr zu profitieren!

Das Feld der künstlichen Intelligenz (KI) und ihre bekannteste Teildisziplin, das maschinelle Lernen (ML), waren lange Zeit von einem Schleier des Geheimnisvollen umgeben. Die Medien haben unaufhörlich Artikel veröffentlicht, die den Aufstieg von superintelligenten, völlig unabhängigen und bösartigen Maschinen prophezeiten. Dies stürzte viele (mich eingeschlossen) in Verzweiflung.

Was haben wir inmitten all des Lärms und der Aufregung heute vorzuweisen? Eine KI-Technologie, die alles andere als perfekt ist und peinliche Fehler macht. Dazu kommt ein eingeschränkt funktionierender Roboter, der fast gewaltsam in einen Bürger verwandelt wurde. Tatsächlich haben wir noch nicht einmal einen vernünftigen Algorithmus für die Sprachübersetzung.

Wenn heute noch jemand darauf besteht, dass das Ende der Welt bevorsteht, dann antworte ich darauf mit einem klaren:

Was sind also KI, ML und all diese Schlagworte, wenn nicht das Ende der Menschheit?

Es sind neue Methoden, einen Computer zu programmieren, um Probleme im Bereich der Klassifizierung und Vorhersage zu lösen. Stellen Sie sich vor, wir haben jetzt zahlreiche KI-Dienste, die Sie direkt in Ihrer Geschäftsanwendung einsetzen können, um enorme Vorteile zu erzielen.

Was können KI-Plattformen heute für Unternehmen leisten?

Eine sehr gute Frage!

Die Anwendungsmöglichkeiten von künstlicher Intelligenz sind (zumindest theoretisch) so vielfältig, dass es unmöglich ist, einen einzigen Zweck zu definieren, für den sie entwickelt wurde. Es ist, als würde man fragen, wofür eine Tabellenkalkulation entworfen wurde und wozu man sie verwenden kann. Natürlich wurde sie für die Buchhaltung entwickelt, aber heute geht sie weit über diese ursprüngliche Aufgabe hinaus. Buchhaltung ist nicht die einzige Funktion – Menschen nutzen Tabellenkalkulationen als Projektmanagement-Tool, To-Do-Liste, Datenbank und vieles mehr.

Dasselbe gilt für KI.

Grob gesagt ist KI nützlich für Aufgaben, die nicht klar definiert sind und auf dem Lernen aus Erfahrung basieren. Ja, das tun Menschen auch, aber KI hat einen Vorteil, da sie enorme Datenmengen in kürzester Zeit verarbeiten und viel, viel schneller zu Ergebnissen kommen kann. Daher sind einige der typischen Anwendungen von KI:

• Erkennung von Gesichtern in einem Foto, Video etc.
• Klassifizierung und Kennzeichnung von Bildern, zum Beispiel zur Inhaltskontrolle.
• Umwandlung von Sprache in Text.
• Objekterkennung in Medien (z. B. ein Auto, eine Person usw.)
• Prognose der Aktienkursentwicklung.
• Erkennung von Terrorismusfinanzierung (unter Millionen von Transaktionen täglich).
• Empfehlungssysteme (Einkaufen, Musik, Freunde usw.).
• Captcha-Lösung.
• Spam-Filterung.
• Erkennung von Netzwerkintrusionen.

Ich könnte ewig so weitermachen und mir würde wahrscheinlich der Platz ausgehen (bildlich gesprochen), aber ich denke, Sie haben jetzt die Idee. Das sind alles Beispiele für Probleme, die Menschen mit traditionellen Computertechniken nur schwer lösen konnten. Sie sind jedoch wichtig, da sie in der Wirtschaft und in der realen Welt einen enormen Bedarf haben.

Lassen Sie uns nun mit der Liste unserer Top-KI-Plattformen beginnen und sehen, was sie zu bieten haben.

Amazon KI-Dienste

So wie Amazon Unternehmen schnell aus dem Geschäft drängt, ist AWS als Plattform so dominant, dass man sich kaum etwas anderes vorstellen kann. Das Gleiche gilt für Amazon AI-Dienste, die mit unglaublich nützlichen KI-Diensten aufwarten.

Hier sind einige der herausragenden Services von AWS.

Amazon Comprehend: Hilft Ihnen, die riesigen Mengen an textbasierten, unstrukturierten Daten zu verstehen, die Sie besitzen. Ein Anwendungsfall ist die Analyse von Kundensupport-Chats, um herauszufinden, wie die Zufriedenheit im Laufe der Zeit war, was die wichtigsten Anliegen der Kunden sind, welche Schlüsselwörter am häufigsten verwendet werden usw.

Amazon Forecast: Ein Service, der ohne Setup auskommt, um Ihre vorhandenen Zeitreihendaten zu nutzen und in genaue Prognosen für die Zukunft umzuwandeln. Falls Sie sich fragen, was Zeitreihendaten sind, schauen Sie sich diesen Artikel an, den ich kürzlich geschrieben habe (suchen Sie am Ende des Artikels nach einer Datenbank namens Timescale).

Amazon Lex: Erstellen Sie Konversationsschnittstellen (textuell und/oder visuell) für Ihre Anwendungen. Im Hintergrund arbeiten Amazons trainierte Modelle für maschinelles Lernen, die Absichten dekodieren und Sprache in Echtzeit in Text umwandeln.

Amazon Personalize: Ein einfacher Service ohne Infrastruktur, um Empfehlungen für Ihre Kunden oder für Sie selbst zu erstellen! Sie können E-Commerce-Daten oder so ziemlich alles in diesen Service einpflegen und sich über äußerst genaue und interessante Vorschläge freuen. Je größer der Datensatz, desto besser sind natürlich die Empfehlungen.

Es gibt viele weitere KI-Dienste von Amazon, und man könnte einen ganzen Tag damit verbringen, sie zu erforschen. Trotzdem ist es eine Aktivität, die ich wärmstens empfehle! 🙂

Hinweis: Es ist schwierig, eine Zusammenfassung all dieser Dienste in den AWS-Dokumenten zu finden. Wenn Sie jedoch https://aws.amazon.com/machine-learning besuchen, werden diese im Dropdown-Menü unter „AI Services“ aufgelistet.

TensorFlow

TensorFlow ist eine Bibliothek (und auch eine Plattform), die vom Team hinter Google Brain entwickelt wurde. Sie ist eine Implementierung der ML-Unterdomäne, die als Deep Learning Neural Networks bekannt ist. Das heißt, TensorFlow ist Googles Ansatz, wie maschinelles Lernen mit neuronalen Netzen unter Verwendung der Deep-Learning-Technik erreicht werden kann.

Nun, das bedeutet natürlich, dass TensorFlow nicht die einzige Möglichkeit ist, neuronale Netze zu verwenden – es gibt viele Bibliotheken, jede mit ihren Vor- und Nachteilen.

Im Wesentlichen bietet Ihnen TensorFlow die grundlegenden Funktionen für maschinelles Lernen für viele verschiedene Programmierumgebungen. Die Basisplattform ist jedoch recht visuell und stützt sich hauptsächlich auf Diagramme und Datenvisualisierungen, um die Arbeit zu erledigen. Daher ist es auch für Nicht-Programmierer möglich, mit etwas Aufwand gute Ergebnisse mit TensorFlow zu erzielen.

In der Vergangenheit hatte TensorFlow das Ziel, maschinelles Lernen zu „demokratisieren“. Meiner Meinung nach war es die erste Plattform, die ML in diesem Ausmaß einfach, visuell und zugänglich gemacht hat. Infolgedessen stieg die ML-Nutzung sprunghaft an und die Menschen konnten problemlos Modelle trainieren.

Das wichtigste Verkaufsargument von TensorFlow ist Keras, eine Bibliothek für die effiziente programmgesteuerte Arbeit mit neuronalen Netzen. So einfach ist es, ein einfaches, vollständig verbundenes Netzwerk (Perzeptron) zu erstellen:

model = tf.keras.Sequential()
# Fügt dem Modell eine dicht vernetzte Schicht mit 64 Einheiten hinzu:
model.add(layers.Dense(64, activation='relu'))
# Noch eine hinzufügen:
model.add(layers.Dense(64, activation='relu'))
# Fügt eine Softmax-Schicht mit 10 Ausgabeeinheiten hinzu:
model.add(layers.Dense(10, activation='softmax'))

Natürlich müssen auch Konfigurationen, Schulungen usw. durchgeführt werden, aber auch diese sind ebenso einfach.

Es ist schwer, TensorFlow zu kritisieren, wenn man bedenkt, dass ML auf JavaScript, mobile Geräte und sogar IoT-Lösungen gebracht wird. In den Augen der Puristen bleibt es jedoch eine „weniger anspruchsvolle“ Plattform, mit der sich jeder ausprobieren kann. Seien Sie also bereit, auf Widerstand zu stoßen, wenn Sie die Karriereleiter aufsteigen und mehr „aufgeklärte“ Geister treffen. 🙂

Wenn Sie ein Neuling sind, dann schauen Sie sich diesen Online-Kurs zur Einführung in TensorFlow an.

Beachten Sie auch: Einige Kritiker von TensorFlow erwähnen, dass es keine GPUs verwenden kann, was nicht mehr stimmt. Heute arbeitet TensorFlow nicht nur mit GPUs, sondern Google hat seine eigene spezialisierte Hardware namens TPU (TensorFlow Processing Unit) entwickelt, die als Cloud Service verfügbar ist.

Google KI-Dienste

Genau wie die Dienste von Amazon hat auch Google eine Cloud-Suite von Dienstleistungen im Bereich KI. Ich werde auf die Auflistung aller Dienste verzichten, da sie den Angeboten von Amazon recht ähnlich sind. Hier ist ein Screenshot dessen, was Entwickler erstellen können, wenn sie interessiert sind:

Im Wesentlichen gibt es zwei Möglichkeiten, wie Sie die KI-Dienste von Google nutzen können. Die erste besteht darin, ein von Google trainiertes Modell zu verwenden und es einfach in Ihren Produkten anzuwenden. Die zweite ist der sogenannte AutoML-Service, der mehrere Schritte des maschinellen Lernens automatisiert und es beispielsweise Full-Stack-Entwicklern mit weniger ML-Know-how ermöglicht, Modelle einfach zu erstellen und zu trainieren.

H2O

Die „2“ in H2O soll ein tiefgestellter Index sein (ähnlich der chemischen Formel für Wasser, denke ich), aber es ist mühsam, dies zu tippen. Ich hoffe, die Leute hinter H2O haben nichts dagegen!

H2O ist eine Open-Source-Plattform für maschinelles Lernen, die von großen Namen der Fortune 500 verwendet wird.

Die Hauptidee ist, die hochmoderne KI-Forschung der breiten Öffentlichkeit zugänglich zu machen, anstatt sie in den Händen von Unternehmen mit großen Geldreserven und Einfluss zu lassen. Unter der H2O-Plattform werden mehrere Produkte angeboten, darunter:

• H2O: Die Basisplattform zum Erkunden und Verwenden von maschinellem Lernen.
• Sparkling Water: Offizielle Integration mit Apache Spark für umfangreiche Datensätze.
• H2O4GPU: Eine GPU-beschleunigte Version der H2O-Plattform.

H2O stellt auch maßgeschneiderte Lösungen für Unternehmen her, darunter:

• Driverless AI: Nein, Driverless AI hat nichts mit selbstfahrenden Autos zu tun! 🙂 Es ähnelt eher dem AutoML-Angebot von Google – die meisten KI/ML-Phasen sind automatisiert, was zu Tools führt, die einfacher und schneller zu entwickeln sind.
• Bezahlter Support: Als Unternehmen kann man es sich nicht leisten, auf GitHub-Probleme zu warten und darauf zu hoffen, dass sie zeitnah gelöst werden. Wenn Zeit Geld ist, bietet H2O kostenpflichtigen Support und Beratung für große Unternehmen an.

Petuum

Petuum entwickelt die Symphony-Plattform, die darauf ausgerichtet ist, die Arbeit mit KI einfacher zu gestalten. Mit anderen Worten: Wenn Sie es satt haben, zu programmieren und/oder sich keine weiteren Bibliotheken und Ausgabeparameter merken möchten, wird sich Symphony wie ein Urlaub in den Alpen anfühlen!

Obwohl an der Symphony-Plattform nichts „offen“ ist, lohnt es sich, sich die Funktionen genauer anzusehen:

• Drag-and-Drop-Benutzeroberfläche.
• Erstellen Sie einfach interaktive Datenpipelines.
• Zahlreiche standardisierte und modulare Bausteine zum Erstellen anspruchsvollerer KI-Anwendungen.
• Programmier- und API-Schnittstellen, die sich visuell anfühlen.
• Automatisierte Optimierung mit GPUs.
• Verteilte, hochskalierbare Plattform.
• Datenaggregation aus mehreren Quellen.

Es gibt viele weitere Funktionen, die wirklich das Gefühl vermitteln, dass die Eintrittsbarriere erheblich gesenkt wurde. Sehr empfehlenswert!

Polyaxon

Die größte Herausforderung beim maschinellen Lernen und der KI besteht heute nicht darin, gute Bibliotheken und Algorithmen (oder sogar Lernressourcen) zu finden, sondern die qualifizierte Technik, die erforderlich ist, um mit den riesigen Systemen und den daraus resultierenden hohen Datenlasten fertig zu werden.

Selbst für erfahrene Softwareentwickler kann dies zu viel verlangt sein. Wenn es Ihnen auch so geht, ist Polyaxon einen Blick wert.

Polyaxon ist keine Bibliothek oder gar ein Framework; es ist vielmehr eine End-to-End-Lösung zur Verwaltung aller Aspekte des maschinellen Lernens, wie z.B.:

• Datenverbindungen und Streaming.
• Hardwarebeschleunigung.
• Containerisierung und Orchestrierung.
• Planung, Speicherung und Sicherheit.
• Pipelining, Optimierung, Tracking usw.
• Dashboards, APIs, Visualisierungen usw.

Es ist weitgehend bibliotheks- und anbieterunabhängig, da eine große Anzahl beliebter Lösungen (Open- und Closed-Source) unterstützt wird.

Natürlich müssen Sie sich immer noch mit der Bereitstellung und Skalierung auf einer bestimmten Ebene befassen. Wenn Sie dem entkommen möchten, bietet Polyaxon eine PaaS-Lösung an, die es Ihnen ermöglicht, deren Infrastruktur elastisch zu nutzen.

DataRobot

Vereinfacht gesagt ist DataRobot eine spezialisierte Lösung für maschinelles Lernen für Unternehmen. Sie ist vollständig visuell und wurde entwickelt, um Ihre Daten schnell zu verstehen und für konkrete Geschäftszwecke zu nutzen.

Die Benutzeroberfläche ist intuitiv und elegant, sodass auch Nicht-Experten loslegen und aussagekräftige Erkenntnisse gewinnen können.

DataRobot hat nicht viele Funktionen; stattdessen konzentriert es sich auf den traditionellen Sinn von Daten und bietet hervorragende Fähigkeiten in:

• Automatisiertem maschinellen Lernen.
• Regression und Klassifikation.
• Zeitreihenanalyse.

In den meisten Fällen ist dies alles, was Sie für Ihr Unternehmen benötigen. Mit anderen Worten, in den meisten Fällen ist DataRobot alles, was Sie brauchen. 🙂

NeuralDesigner

Wo wir gerade bei benutzerfreundlichen, leistungsstarken KI-Plattformen sind, verdient NeuralDesigner eine besondere Erwähnung.

Es gibt nicht viel über NeuralDesigner zu sagen, aber viel zu tun! Angesichts der Tatsache, dass neuronale Netze die moderne Methodik des maschinellen Lernens mehr oder weniger dominieren, ist es sinnvoll, mit einer Plattform zu arbeiten, die sich ausschließlich auf neuronale Netze konzentriert. Keine große Auswahl, keine Ablenkungen – Qualität geht vor Quantität.

NeuralDesigner zeichnet sich in vielerlei Hinsicht aus:

• Keine Programmierung erforderlich. Gar nicht.
• Kein komplexer Schnittstellenaufbau erforderlich. Alles ist in sinnvollen, leicht verständlichen, geordneten Schritten aufgebaut.
• Eine Sammlung der fortschrittlichsten und ausgefeiltesten Algorithmen speziell für neuronale Netze.
• CPU-Parallelisierung und GPU-Beschleunigung für hohe Leistung.

Einen Blick wert? Definitiv!

Prevision.io

Pervision.io ist eine Plattform zur Verwaltung aller Aspekte des maschinellen Lernens, von der Datenverarbeitung bis zur Bereitstellung in großem Maßstab.

PredictionIO

Wenn Sie ein Entwickler sind, ist PredictionIO ein unglaublich nützliches Angebot, das Sie sich ansehen sollten. Im Kern ist PredictionIO eine Plattform für maschinelles Lernen, die Daten aus Ihrer App (Web, Mobil oder anderweitig) aufnehmen und schnell Vorhersagen treffen kann.

Lassen Sie sich nicht vom Namen täuschen – PredictionIO ist nicht nur für Vorhersagen gedacht, sondern unterstützt das gesamte Spektrum des maschinellen Lernens. Hier sind einige tolle Gründe, es zu lieben:

• Unterstützung für Klassifizierung, Regression, Empfehlungen, NLP und vieles mehr.
• Entwickelt, um mit ernsthaften Arbeitslasten in einer Big-Data-Umgebung fertig zu werden.
• Mehrere vorgefertigte Vorlagen für eilige Anwender.
• Wird im Paket mit Apache Spark, MLlib, HBase, Akka HTTP und Elasticsearch geliefert und erfüllt alle möglichen Anforderungen einer robusten, modernen Anwendung.
• Kombinierte Datenaufnahme aus mehreren Quellen, ob im Batch- oder Echtzeitmodus.
• Wird als typischer Webdienst bereitgestellt – einfach zu nutzen und zu füttern.

Für die meisten Webprojekte da draußen sehe ich nicht, warum PredictionIO nicht viel Sinn machen sollte. Legen Sie los und probieren Sie es aus!

Fazit

Es gibt heute keinen Mangel an KI- und ML-Frameworks oder -Plattformen; als ich mit der Recherche für diesen Artikel begann, war ich von der Auswahl überwältigt. Aus diesem Grund habe ich versucht, diese Liste auf die einzigartigen oder interessanten zu beschränken. Wenn Sie glauben, dass ich etwas Wichtiges verpasst habe, lassen Sie es mich bitte wissen.

Coursera hat einige großartige Kurse für maschinelles Lernen, schauen Sie sich diese an, falls Sie am Lernen interessiert sind.

Welche Plattform ist also die beste? Leider gibt es keine eindeutige Antwort. Ein Grund dafür ist, dass die meisten dieser Dienste an einen bestimmten Technologie-Stack oder ein bestimmtes Ökosystem gebunden sind (meist der Aufbau eines so genannten „abgeschlossenen Systems“). Der andere, wichtigere Grund ist, dass KI- und ML-Technologien inzwischen standardisiert sind und es einen Wettbewerb gibt, so viele Funktionen wie möglich zu einem möglichst niedrigen Preis anzubieten. Kein Anbieter kann es sich leisten, nicht das anzubieten, was die anderen anbieten, und jedes neue Angebot wird fast über Nacht von der Konkurrenz kopiert und bereitgestellt.

Daher kommt es darauf an, was Ihr Stack und Ihre Ziele sind, wie intuitiv Sie den Dienst finden, wie Sie die dahinter stehenden Unternehmen wahrnehmen und so weiter.

Wie auch immer, es versteht sich von selbst, dass KI endlich als Dienst verfügbar ist, und es wäre äußerst unklug, sie nicht zu nutzen. 🙂