Модель MLaaS (Machine Learning as a Service), замечает, Кросс, существует уже не менее 10 лет, но проекты, работающие по ней, чаще всего проваливаются. «Она не работает просто потому, что люди, которые понимают, зачем им машинное обучение и как оно устроено, используют технологии с открытым исходным кодом, а те, кто этого не знает, не смогут работать и с API», — объясняет он.
4 пункт очень верно описывает текущую ситуацию, но не точен вывод. MLaaS не умрут, они научатся предоставлять нормальный интерфейс, принимать любые датасеты, применяя для пре-процессинга те же алгоритмы ML, в общем – работать конструктором. Произойдет это в горизонте года - двух.
А я думаю не научатся, и опять же зачем, если ""люди, которые понимают, зачем им машинное обучение и как оно устроено, используют технологии с открытым исходным кодом, а те, кто этого не знает, не смогут работать и с API"".
Для кого делать такой универсальный конструктор (это ещё и непросто будет сделать).
Не могу согласиться. В первую очередь потому что тот же azure ml studio требует куда как меньше знаний чтобы получить результат. К примеру, некоторые задачи уже сейчас можно решить без написания кода вообще. Сейчас там программировать нужно только для подготовки данных, если стандартных блоков не хватает (редко).
Кстати, у того же Яндекса есть какая-то внутренняя ML-система с графическим конфигурирование. Это позволяет использовать данные многим сотрудникам, а не только аналитика.
Тем более, что базовое представление о технике анализа можно получить за несколько недель.
Хотел это же написать: мы как раз делаем такой конструктор для сферы NLP, чтобы решить проблему отсутствия многих нужных для бизнеса датасетов и их разметки
Интересный вывод насчёт сервисов ML. Ещё одним препятствием к подобной модели будет безопасность и контроль над данными.
Бот без big data, как аутист, не слышит никого кроме себя. Почему будут успешны ИИ от соцсетей, так это потому, что они на основе нашего поведения в сети имеют представление о том, кто мы и что нам нужно.