云計算行業(yè)正逐漸向智能的方向轉(zhuǎn)變。雖然計算、存儲和網(wǎng)絡(luò)仍然是云供應(yīng)商的主要收入來源，但機器學習也正慢慢成為當代云計算的焦點。
以下是五種被機器學習高度影響的云服務(wù)：
認知計算(Cognitive Computing)
認知計算的目標是為應(yīng)用程序帶來感覺能力，使App能夠看、聽、說、甚至決策。基于自然語言處理、視覺識別、人臉識別、情感識別、視頻分析、文本轉(zhuǎn)語音、語音轉(zhuǎn)文本、語言翻譯和情感分析等技術(shù)，認知計算使開發(fā)人員能夠通過簡單的API進行開發(fā)編程。通過充分利用這些服務(wù)，應(yīng)用程序就能提供更加自然的用戶體驗。而這一切的背后，是機器學習，應(yīng)用了多樣化的算法提供這些強大的認知能力。雖然它看起來似乎很簡單，但是云供應(yīng)商們已經(jīng)在其中投入了巨量的資源，為了向開發(fā)者們提供認知API。從保險到金融，所有的主要行業(yè)的垂直行業(yè)都會開始使用認知計算平臺，來為他們的客戶提供更好的體驗。
亞馬遜AI、IBM Watson、谷歌云和微軟認知API是目前市場上比較多見的一些商業(yè)產(chǎn)品。
機器人即服務(wù)(Bots as a Service)
隨著移動App使用率的停滯不前，各種業(yè)務(wù)紛紛開始轉(zhuǎn)向交互式機器人，以推動客戶服務(wù)與支持。通過為客戶提供對話交流體驗，機器人正迅速代替App的位置。對于像微信、WhatsApp、Facebook Messenger和Slack等等這樣的平臺來說，植入機器人的需求也正日益增加。在平臺中引入機器人的概念是從Yahoo! Chat開始的，不過是機器學習的應(yīng)用使它變得更有價值。現(xiàn)在，開發(fā)者們可以使用過去的對話模式來訓練機器人。除了可以對標準問題進行回答之外，機器人同樣可以與用戶進行有意義的討論。
這個領(lǐng)域中，新興的一些平臺有API.ai、IBM Watson Botkit和微軟Azure Bots as a Service等等。
物聯(lián)網(wǎng)(Internet of Things)
雖然物聯(lián)網(wǎng)已經(jīng)已不同的形式存在了近20年，但是數(shù)據(jù)驅(qū)動云平臺仍然重新定義了這一趨勢。除了捕獲多種傳感器傳來的大量數(shù)據(jù)以用來查詢外，同時還可以處理和分析各種重要趨勢，機器學習可以使云計算變得更加智能。預(yù)知維護是一個比較引人注目的用例，在工業(yè)物聯(lián)網(wǎng)中，這樣的平臺能夠代替人類對設(shè)備進行故障監(jiān)測。多種機器學習算法串聯(lián)工作，演變?yōu)橐粋€合適的模式，能夠最好地理解設(shè)備所生成的數(shù)據(jù)集的模式。這些運算模型能夠主動發(fā)現(xiàn)可能會最終導致設(shè)備停機的異?，F(xiàn)象，而這個能力將使工業(yè)物聯(lián)網(wǎng)進入下一個階段。
物聯(lián)網(wǎng)預(yù)見性維護解決方案的兩個典型的例子是微軟Azure IoT Suite和IBM Watson IoT。
個人助手(Personal Assistants)
機器學習的崛起，讓個人語音助手比之前更加有作用。這些助手能夠?qū)W習你過去的選擇和使用趨勢，為你提供一個定制化的應(yīng)用體驗。例如，只需要幾天時間的記錄，它們就能夠創(chuàng)建一個播放列表，最好地，動態(tài)化地適應(yīng)你感情傾向。它們會在通知和提醒時變得更加智能。這些助手展出的API會讓開發(fā)者們能夠?qū)L(machine language，機器語言)的力量掌握在自己手中。它們能夠為用戶帶來更深一層的定制化體驗。
由機器學習提供技術(shù)支持的一些常見的智能個人助手有亞馬遜Alexa、蘋果Siri、谷歌助手和微軟 Cortana。
商務(wù)智能(Business Intelligence)
傳統(tǒng)的數(shù)據(jù)倉庫已經(jīng)被大數(shù)據(jù)和Apache Hadoop所瓦解，而通過將機器學習帶入企業(yè)數(shù)據(jù)倉庫，決策者們就可以從現(xiàn)有的數(shù)據(jù)中獲得更加聰明的見解，同樣可以更加準確地預(yù)測業(yè)務(wù)趨勢。包括SCM、CRM、ERP、MRP、HR、銷售和財政在內(nèi)的領(lǐng)域，都會從ML驅(qū)動的觀察中獲得好處。
亞馬遜、谷歌、IBM和微軟等公司，都在建立傳統(tǒng)商務(wù)智能平臺和新興ML工具之間相互連接的橋梁。亞馬遜 Kinesis Analytics有亞馬遜ML，Azure Stream Analytics有Azure ML Web Services，而谷歌也正通過利用Cloud ML使BigQuery和Cloud DataFlow變得更加簡單。開發(fā)者和架構(gòu)師們可以輕松連接網(wǎng)點，開發(fā)下一代商務(wù)智能工具。
以上這些實例向我們展現(xiàn)了，機器學習如何成為智能云計算的焦點。在未來幾個季度，我們就會看到由云供應(yīng)商所提供的追加服務(wù)和用例了。
