ML as a Service: de grootste spelers vergeleken

Kunstmatige intelligentie (AI) is voor veel organisaties nog ‘rocket science’. Maar er is hulp onderweg in de vorm van ‘Machine Learning (ML) as a Service’. De grote tech-bedrijven bieden op dit moment al AI-tools aan die iedere experimentgedreven organisatie kan inzetten.

‘ML as a Service’ (MLaaS) is een nieuwe diersoort in de markt van tools en technologie die zich nog verder gaat ontwikkelen. Olexander Kolisnykov vergelijkt in het artikel Comparing Machine Learning As A Service: Amazon, Microsoft Azure, Google Cloud AI, IBM Watson vier van de grootste spelers in de markt.

Doe het zelf AI

De belofte van ‘MLaaS’ is dat ook kleine en middelgrote organisaties met kleine teams en beperkte budgetten toch AI om producten en diensten te innoveren.

Machine learning as a service (MLaaS) is een parapluterm voor diverse cloud-gebaseerde platformen die het grootste deel van het AI-werk verzorgen. Denk daarbij aan ‘data pre-processing’, ‘model training’ en ‘model evaluation’ met ‘further prediction’. (Ik hou de Engelse termen aan, want een vertaling naar het Nederlands dekt de lading onvoldoende). De AI-resultaten kunnen dan worden verbonden aan de bestaande infrastructuur door middel van REST API’s.

De grote vier vergeleken

Olexander gaat in zijn artikel dieper in op wat de vier MLaaS’en allemaal kunnen en gebruikt daarvoor diverse tabellen die een en ander verduidelijken. Hij beschrijft van elke leverancier de mogelijkheden, de overeenkomsten en de verschillen. Er komen heel wat termen voorbij en het is een lang artikel omdat er zoveel over te vertellen is. Al met al krijg je een goed beeld van wat de diverse oplossingen te bieden hebben.

Ik ga het artikel niet samenvatten laat staan integraal vertalen, maar neem de introducties van alle MLaaS’en van de vier leveranciers over. Dat geeft denk ik al een idee en wie meer wil weten kan Olexander’s artikel lezen.

Amazon MLaaS – geavanceerde AI-diensten

Amazon Machine Learning for predictive analytics is one of the most automated solutions on the market and the best fit for deadline-sensitive operations. SageMaker is a machine learning environment that’s supposed to simplify the work of a fellow data scientist by providing tools for quick model building and deployment.

Microsoft MLaaS – AI-ecosysteem

Azure Machine Learning platform, is aimed at setting a powerful playground both for newcomers and experienced data scientists. ML Studio is the main MLaaS package to look at. Almost all operations in Azure ML Studio must be completed using a graphical drag-and-drop interface. This includes data exploration, preprocessing, choosing methods, and validating modeling results.

Google MLaaS – twee niveaus

Similar to Amazon, Google provides its machine learning and AI services on two levels: Google Cloud Machine Learning for tech savvy data specialists and Cloud AutoML platform. Google Cloud AutoML is a cloud-based ML platform tailored for inexperienced users. Customers can upload their datasets, train custom models, and deploy them in the website. TensorFlow is another Google product, which is an open source machine learning library of various data science tools rather than ML-as-a-service.

IBM MLaaS – Watson at your service

IBM suggests a single machine learning platform both for experienced data scientists and newcomers in the sphere.

MLaaS - comparing 2019

Lees het TOPBOTS-artikel Comparing Machine Learning As A Service: Amazon, Microsoft Azure, Google Cloud AI, IBM Watson van Olexander Kolisnykov.

AI: Size Matters

In Olexander’s artikel lees je hoe een Japanner voor zijn komkommerkwekende ouders een sorteermachine fabriceerde met behulp van Google TensorFlow. De video geeft goed aan hoe dat werkt en wat er allemaal bij komt kijken.

In het langere komkommerfilmpje hieronder zie je hoe ‘(cu)cumbersome’ het is om met AI in the cloud zelf komkommers te sorteren.

Mr. Makoto Koike is geen AI-expert, maar wel een voormalige systeemontwikkelaar bij een voormalig automotive bedrijf. Dan heb je dus wel wat voorkennis in huis. En dat is ook nodig, want het is geen sinecure om dit allemaal voor elkaar te krijgen. En dan heb ik het nog niet eens over het werk dat gaat zitten in de ‘robot’ die de handelingen moet verrichten.

 

As a Service is nog niet: kant-en-klaar

Alle inspanning, inventiviteit en rekenkracht ten spijt blijft het resultaat nog wel ver achter bij wat professionele sorteer- en verpakinstallaties kunnen. Met MLaaS alleen ben je nog vele stappen verwijderd van wat de grote organisaties met enorme AI-budgetten kunnen.

Maar het idee is dat als je dit soort technologie maar aan zoveel mogelijk mensen  toegankelijk maakt er vanzelf mooie dingen gaan ontstaan. Geheel in de trend van ‘alles een (cloud) service’ denk ik dat de beschikbaarheid van AI in de cloud een revolutionaire ontwikkeling op zichzelf is.

 

MLaaS voor informatieprofessionals: vandaag beginnen!

Er staat je als informatieprofessional dus niets meer in de weg om zelf met kunstmatige intelligentie te gaan experimenteren. Ik denk dat het belangrijk is dat wij met z’n allen meer kennis in de praktijk opdoen van wat AI is en wat het kan betekenen voor onszelf, onze omgeving en de organisaties waarin wij werken.

Dus: aan de slag! En laat me vooral weten wat je zoal hebt ontdekt in je AI-experimenten.