10 plataformas de IA para criar seu aplicativo moderno

Agora que sabemos que os Exterminadores não estão vindo nos pegar, é hora de fazer amizade com a Inteligência Artificial e se beneficiar dela!

Por muito tempo o campo da Inteligência Artificial, e sua subdisciplina mais famosa, Machine Learning, foram cercados por uma aura misteriosa. A máquina da imprensa de propaganda estava produzindo artigo após artigo predizendo o surgimento de máquinas superinteligentes, superindependentes e super malignas, fazendo muitos caírem em desespero (inclusive eu).

E o que temos hoje para mostrar com tanto barulho e fumaça? Uma tecnologia de IA que está longe de ser perfeita, embaraçosa errose um robô limitado e com defeito que foi, quase à força, transformado em um cidadão. Caramba, ainda não temos um algoritmo de tradução de idiomas decente.

Se hoje alguém ainda insiste que o dia do juízo final está próximo, eis minha reação:

Então, o que é IA, ML e todos esses chavões se não o fim da humanidade?

Bem, essas são novas formas de programar um computador para resolver os problemas relacionados à classificação e previsão. E adivinhe, finalmente temos muitos serviços de IA que você pode começar a usar imediatamente em seu aplicativo de negócios e colher enormes benefícios.

O que as plataformas de IA podem fazer pelas empresas hoje?

Boa pergunta!

A Inteligência Artificial é tão genérica em sua aplicação (pelo menos em teoria) que seria impossível apontar o propósito para o qual foi desenvolvida. É como perguntar para que uma planilha foi desenvolvida e o que se pode fazer com ela. Claro, foi desenvolvido para contabilidade, mas hoje excede em muito essa responsabilidade. E a contabilidade não é a única função — as pessoas a usam como uma ferramenta de gerenciamento de projetos, como uma lista de tarefas, como um banco de dados e outras coisas.

O mesmo acontece com a IA.

Grosso modo, a IA é útil para tarefas que são vagamente definidas e dependem do aprendizado com a experiência. Sim, isso é o que os humanos também fazem, mas a IA tem uma vantagem, pois pode processar montanhas de dados em pouco tempo e chegar a conclusões muito, muito mais rápido. Como tal, algumas das aplicações típicas da IA ​​são:

• Detectando rostos em uma foto, vídeo, etc.
• Classificação e marcação de imagens, por exemplo, para aconselhamento parental
• Conversão de fala para texto
• Detecção de objetos na mídia (por exemplo, um carro, uma mulher, etc.)
• Previsão do movimento dos preços das ações
• Detecção de financiamento de terrorismo (entre milhões de transações por dia)
• Sistemas de recomendação (compras, música, amigos, etc.)
• Quebra de captcha
• Filtragem de spam
• Detecção de intrusão de rede

Eu poderia continuar e provavelmente ficar sem páginas (falando figurativamente), mas acho que você entendeu agora. Todos esses são exemplos de problemas que os humanos lutaram para resolver por meio de meios tradicionais de computação. E, no entanto, eles são importantes, pois têm uma tremenda necessidade nos negócios e no mundo real.

Então, sem mais delongas, vamos começar com a lista das nossas principais plataformas de IA e ver o que elas têm a oferecer.

Serviços de IA da Amazon

Assim como a Amazon está rapidamente tirando empresas do mercado, a AWS é tão dominante como plataforma que quase não há mais nada que venha à mente. O mesmo acontece com Serviços de IA da Amazonque está repleto de serviços de IA incrivelmente úteis.

Aqui estão alguns dos serviços alucinantes que a AWS tem.

Amazon Comprehend: ajuda você a entender toda a montanha de dados textuais e não estruturados que você tem. Um caso de uso é minerar chats de suporte ao cliente existentes e descobrir quais foram os níveis de satisfação ao longo do tempo, quais são as principais preocupações do cliente, quais palavras-chave são mais usadas etc.

Amazon Forecast: serviço de configuração zero para usar seus dados de série temporal existentes e transformá-los em previsões precisas para o futuro. Caso você esteja se perguntando o que são dados de séries temporais, dê uma olhada neste artigo que escrevi recentemente (procure um banco de dados chamado Timescale no final do artigo).

Amazon Lex: crie interfaces de conversação (textuais e/ou visuais) em seus aplicativos. Nos bastidores, está executando os modelos de aprendizado de máquina treinados da Amazon que decodificam a intenção e fazem a conversão de fala em texto em tempo real.

Amazon Personalize: Serviço simples e sem infraestrutura para criar recomendações para seus clientes ou para você mesmo! Você pode inserir dados de comércio eletrônico ou praticamente qualquer coisa neste serviço e desfrutar de sugestões altamente precisas e interessantes. Obviamente, quanto maior o conjunto de dados, melhores serão as recomendações.

Existem muitos outros serviços de IA que a Amazon possui, e você pode passar o dia inteiro navegando por eles. No entanto, é uma atividade que recomendo de todo o coração! 🙂

Observação: é difícil localizar um resumo de todos esses serviços juntos nos documentos da AWS, mas se você acessar https://aws.amazon.com/machine-learning, eles estarão listados na lista suspensa em “Serviços de IA”.

TensorFlow

TensorFlow é uma biblioteca (e também uma plataforma) criada pela equipe por trás Cérebro do Google. É uma implementação do subdomínio de ML chamado Deep Learning Neural Networks; ou seja, o TensorFlow é a opinião do Google sobre como obter aprendizado de máquina com redes neurais usando a técnica de aprendizado profundo.

Agora, isso significa que o TensorFlow obviamente não é a única maneira de usar as redes neurais – existem muitas bibliotecas por aí, cada uma com seus prós e contras.

De maneira geral, o TensorFlow permite os recursos de Machine Learning de estoque para muitos ambientes de programação diferentes. Dito isto, a plataforma base é bastante visual e depende principalmente de gráficos e visualizações de dados para fazer o trabalho. Assim, mesmo que você não seja um programador, é possível, com algum esforço, obter bons resultados com o TensorFlow.

Historicamente, o TensorFlow visava “democratizar” o aprendizado de máquina. No meu conhecimento, foi a primeira plataforma que tornou o ML simples, visual e acessível a esse nível. Como resultado, o uso de ML explodiu e as pessoas puderam treinar modelos facilmente.

O ponto de venda mais significativo do TensorFlow é Keras, que é uma biblioteca para trabalhar de forma eficiente com redes neurais de forma programática. Veja como é simples criar uma rede simples e totalmente conectada (perceptron):

model = tf.keras.Sequential()
# Adds a densely-connected layer with 64 units to the model:
model.add(layers.Dense(64, activation='relu'))
# Add another:
model.add(layers.Dense(64, activation='relu'))
# Add a softmax layer with 10 output units:
model.add(layers.Dense(10, activation='softmax'))

Claro que configuração, treinamento, etc., também precisam ser feitos, mas também são igualmente simples.

É difícil encontrar falhas no TensorFlow, considerando o ML trazido para JavaScript, dispositivos móveis e até soluções de IoT. No entanto, aos olhos dos puristas, continua sendo uma plataforma “menor” com a qual todo Tom, Dick e Harry pode mexer. Então, esteja pronto para enfrentar alguma resistência à medida que você sobe na escada de habilidades e encontra mais almas “iluminadas”. 🙂

Se você é um novato, então confira isso Curso online de introdução ao TensorFlow.

Observe também: algumas críticas ao TensorFlow mencionam que ele não pode usar GPUs, o que não é mais verdade. Hoje o TensorFlow não trabalha apenas com GPU, mas o Google desenvolveu seu único hardware especializado chamado TPU (TensorFlow Processing Unit), que está disponível como um Cloud serviço.

Serviços de IA do Google

Assim como os serviços da Amazon, o Google também possui um pacote de nuvem Serviços girando em torno da IA. Vou abster-me de listar todos os serviços, pois são bastante semelhantes às ofertas da Amazon. Aqui está uma captura de tela do que está disponível para os desenvolvedores criarem se estiverem interessados:

Em termos gerais, existem duas maneiras de usar os serviços de IA do Google. A primeira é utilizar um modelo já treinado pelo Google e começar a aplicá-lo em seus produtos. A segunda é a chamada AutoML service, que automatiza vários estágios intermediários de Machine Learning, ajudando, digamos, desenvolvedores de pilha completa com menos experiência em ML a criar e treinar modelos com facilidade.

H2O

O “2” em H2O deveria ser um subscrito (semelhante à fórmula química da água, eu acho), mas é incômodo digitá-lo. Espero que as pessoas por trás H2O não vai se importar muito!

H2O é uma plataforma de código aberto para Machine Learning que é usada por grandes nomes incluídos na Fortune 500.

A ideia principal é fazer com que a pesquisa de IA de ponta chegue ao público em geral, em vez de deixá-la nas mãos de empresas com grandes bolsos e alavancagem. Vários produtos são oferecidos sob a plataforma H2O, tais como:

• H2O: A plataforma base para explorar e usar Machine Learning.
• Água com gás: integração oficial com Apache Spark para grandes conjuntos de dados.
• H2O4GPU: versão acelerada por GPU da plataforma H2O.

A H2O também cria soluções sob medida para a empresa, incluindo:

• Driverless AI: Não, Driverless AI não tem nada a ver com carros autônomos! 🙂 Está mais na linha da oferta de AutoML do Google — a maioria dos estágios de IA/ML é automatizada, resultando em ferramentas mais simples e rápidas de desenvolver.
• Suporte pago: como empresa, você não pode esperar para levantar problemas do GitHub e esperar que eles sejam respondidos em breve. Se tempo é dinheiro, a H2O oferece suporte e consultoria pagos para grandes empresas.

Petuum

Petuum desenvolve a Sinfonia plataforma, que é projetada para não me fazer pensar que a IA funciona. Em outras palavras, se você está cansado de codificar e/ou não quer memorizar mais bibliotecas e formatos de saída, o Symphony vai parecer umas férias nos Alpes!

Embora não haja nada “aberto” na plataforma Symphony, vale a pena babar nos recursos:

• IU de arrastar e soltar
• Crie pipelines de dados interativos facilmente
• Toneladas de blocos de construção padronizados e modulares para criar aplicativos de IA mais sofisticados
• Interfaces de programação e API que sentem que a maneira visual não é poderosa o suficiente
• Otimização automatizada com GPUs
• Plataforma distribuída e altamente escalável
• Agregação de dados de várias fontes

Existem muitos outros recursos que realmente farão você sentir que a barreira de entrada foi reduzida consideravelmente. Altamente recomendado!

Poliaxônio

O maior desafio hoje em Machine Learning e IA não é encontrar boas bibliotecas e algoritmos (ou mesmo recursos de aprendizado), mas a engenharia qualificada que deve ser aplicada para lidar com os sistemas gigantes e as altas cargas de dados resultantes.

Mesmo para engenheiros de software experientes, pode ser pedir demais. Se você também se sente assim, Poliaxônio vale a pena dar uma olhada.

Polyaxon não é uma biblioteca ou mesmo uma estrutura; em vez disso, é uma solução de ponta a ponta para gerenciar todos os aspectos do Machine Learning, como:

• Conexões de dados e streaming
• Aceleraçao do hardware
• Conteinerização e orquestração
• Agendamento, armazenamento e segurança
• Pipelining, otimização, rastreamento, etc.
• Dashboards, APIs, visualizações, etc.

É praticamente independente de biblioteca e provedor, pois há suporte para um grande número de soluções populares (código aberto e fechado).

Obviamente, você ainda precisa lidar com a implantação e o dimensionamento em um determinado nível. Se você quiser escapar até disso, a Polyaxon oferece uma solução PaaS que permite usar sua infraestrutura de forma elástica.

Robô de dados

Simplificando, Robô de dados é uma solução de Machine Learning focada para a empresa. É totalmente visual e foi projetado para entender rapidamente seus dados e colocá-los em uso comercial concreto.

A interface é intuitiva e elegante, permitindo que não especialistas fiquem atrás do volante e gerem insights significativos.

O DataRobot não tem muitos recursos; em vez disso, ele se concentra no sentido tradicional de dados e fornece recursos sólidos em:

• Aprendizado de máquina automatizado
• Regressão e Classificação
• Série Temporal

Na maioria das vezes, isso é tudo o que você precisa para sua empresa. Ou seja, na maioria dos casos, o DataRobot é tudo o que você precisa. 🙂

NeuralDesigner

Já que estamos falando de plataformas de IA poderosas e fáceis de usar, NeuralDesigner merece uma menção especial.

Não há muito o que dizer sobre o NeuralDesigner, mas há muito o que fazer! Dado que as Redes Neurais dominaram mais ou menos a metodologia moderna de Machine Learning, faz sentido trabalhar com uma plataforma que se concentre apenas em Redes Neurais. Sem muitas opções, sem distrações – qualidade sobre quantidade.

O NeuralDesigner se destaca de várias maneiras:

• Não requer programação. De forma alguma.
• Nenhuma construção de interface complexa é necessária. Tudo é apresentado em etapas sensatas, fáceis de entender e ordenadas.
• Uma coleção dos algoritmos mais avançados e refinados específicos para Redes Neurais.
• Paralelização de CPU e aceleração de GPU para alto desempenho.

Vale a pena olhar? Definitivamente!

Previsão.io

Pervision.io é uma plataforma para gerenciar todos os aspectos do Machine Learning, desde o processamento de dados até a implantação em escala.

PrevisãoIO

Se você é um desenvolvedor, PrevisãoIO é uma oferta incrivelmente útil que você deve analisar. Em sua essência, o PredictionIO é uma plataforma de aprendizado de máquina que pode ingerir dados do seu aplicativo (web, dispositivo móvel ou outro) e criar previsões rapidamente.

Não se deixe enganar pelo nome — PredictionIO não é apenas para previsões, mas oferece suporte a todo o espectro de Machine Learning. Aqui estão alguns motivos legais para amá-lo:

• Suporte para Classificação, Regressão, Recomendações, PNL e outros.
• Crie para lidar com cargas de trabalho sérias em uma configuração de Big Data.
• Vários pré-construídos modelos para quem tem pressa.
• Vem com Apache Spark, MLlib, HBase, Akka HTTP e Elasticsearch, atendendo a todas as necessidades possíveis de um aplicativo robusto e moderno.
• Ingestão de dados combinados de várias fontes, seja em lote ou em tempo real.
• Implantado como um serviço da Web típico — fácil de consumir e alimentar.

Para a maioria dos projetos da web, não vejo como o PredictionIO não faz muito sentido. Vá em frente e experimente!

Conclusão

Atualmente, não há escassez de estrutura ou plataforma de IA e ML; Fiquei impressionado com a escolha quando comecei a pesquisar para este artigo. Como resultado, tentei restringir esta lista aos únicos ou interessantes. Se você acha que eu perdi algo importante, por favor me avise.

Coursera tenho alguns dos ótimos cursos de aprendizado de máquina, então confira se você está interessado em aprender.

Então, qual plataforma é a melhor? Infelizmente, não há uma resposta clara. Uma razão pela qual a maioria desses serviços está vinculada a uma pilha de tecnologia ou ecossistema específico (principalmente construindo o que é chamado de jardim murado). A outra razão, mais importante, é que agora as tecnologias de IA e ML foram comoditizadas e há uma corrida para fornecer o máximo de recursos pelo menor preço possível. Nenhum fornecedor pode se dar ao luxo de não oferecer o que os outros estão oferecendo, e qualquer nova oferta é copiada e atendida pelos concorrentes quase da noite para o dia.

Como tal, tudo se resume a quais são sua pilha e objetivos, quão intuitivo você acha que o serviço é, qual é sua percepção das empresas por trás dele e assim por diante.

Mas seja qual for o caso, não é preciso dizer que a IA está finalmente disponível como um serviço, e seria extremamente imprudente não fazer uso dela. 🙂