对于任何要认真对待的云解决方案，它都需要满足用户对功能的不断追求。机器学习显然应该包含在这份需求清单中，各大云服务提供商现在已经给出了自己的答案。但是，具体的实现方法是另外一回事。除了“设计API打开算法市场”的模式，市面上还有“覆盖一切，用够用”等衍生方案。让我们来看看四大云服务提供商——IBM、微软、谷歌和亚马逊——各自是如何实施机器学习技术的。IBM：首先起锚，Watson掌舵自从IBM宣布将其WatsonAI系统转变为消费服务以来，问题就越来越多。它将采取什么形式？客户将如何消费？但最重要的还是，此举将对IBM这家云巨头的发展道路产生怎样的影响？经过两年的时间和变革，IBM现在已经在其BluemixPaaS之上推出了完整的机器学习服务组合，包括天气预报、语言分析系统、图像识别、语言翻译以及情感和语调分析，除其他外。在所有提供某种形式的云端机器智能的供应商中，IBM的雄心壮志最为雄心勃勃。更重要的是，蓝色巨人也一直在努力让这项高科技成果更加接地气，其具体体现就是分析和报告机制。（处于起步阶段的沃森似乎正在通过一系列战略收购进入其他领域：气候、医疗保健等。）问题不在于沃森能否找到合适的工作平台——随着时间的推移，我相信答案会是——就是这些服务能否在特定领域取得良好进展，帮助IBM找到合适的投资节奏。目前，这些服务选项大多需要慢慢寻找适合自己的用例，IBM也认为Spark服务（或其最新的AWSLambda仿制服务，OpenWhisk）更容易赚钱。某些企业已经开始以创造性的方式将Watson分析服务引入到他们的业务中。但是，尽管IBM已经明确表示它有信心将Watson变成一个年收入100亿美元的企业，但它前面的路还很长——如此之长以至于收入目标似乎遥不可及。.微软：由您打造，为您打造正如IBM拥有Watson，微软拥有ProjectOxford——一套精心设计的高级API，涵盖机器视觉、语音识别和语言分析。API列表并不像Watson那样广泛，但微软宣称的目标与蓝色巨人的目标基本相同：构建一套设计良好的API，旨在充分发挥机器学习的潜力。AzureMachineLearningStudio可能是目前微软机器学习发展计划中最重要的部分。在这里，人们可以导入自己的数据，在其上训练机器学习模型，然后通过REST接口将生成的模型作为API共享。IBM在Bluemix上的预测分析服务中提供了类似的功能，尽管Microsoft的Studio存在时间更长，而且似乎更通用。IBM和Microsoft都在努力构建两种不同风格的机器学习服务。一种风格是在幕后悄悄修补，主要使用精选数据集和调整后的行为（WatsonAPI，Oxford项目），另一种风格是作为一个通用平台，允许各种机器学习服务使用它。构建、共享甚至商业化基础（Azure机器学习工作室和预测分析服务）。但微软和IBM最大的区别不是服务，而是动力。微软只是希望利用其云业务来反哺其其他类型的业务——例如游戏——这意味着它不像IBM那样面临着同样的生存压力。不过，这并不是说微软正在盲目地采取自己的机器学习步骤。亚马逊和谷歌支持极简主义如果非要为谷歌和亚马逊的云解决方案总结一条准则，那就是“少即是多”。或许更准确的说法应该是“刚好够用”，这在两家公司提供的云机器学习服务中自然而然地体现了出来。就谷歌而言，谷歌云平台目前只提供两种机器学习服务：GoogleTranslate（一组支持谷歌现有机器翻译引擎的API）和GooglePredictionAPI。前者是完全由Google控制的内部API。后者虽然并不为人所知，但它是一种广泛包容的服务，允许用户以相当于AzureMachineLearningStudio的方式上传数据和训练模型。（数据可以从各种现有的Google服务导出，例如GoogleBigQuery。)AmazonMachineLearning在模型层面与GooglePredictionAPI非常相似，可以根据数据进行训练，用于预测方向。这是一项有意简化的服务，也许是针对只想解决特定问题的开发人员，或者是因为亚马逊想先试水。对于Amazon和Google，目标是引导开发人员尽可能简化需求定义并利用其云环境中已有的数据，即“适可而止”模型。IBM和微软的目标更宏大，其中IBM的野心最大，失败当然损失最惨重。原标题：IBM、谷歌、微软、亚马逊如何在云端做机器学习【.com独家翻译，合作站转载请注明出处】
