这么做的好处就是小型团队不用到处找懂机器学习的计算机科学家来将想法付诸现实。但是，也有不利的地方：受限于预先被打包的模型。事实上，这也是证明一家公司是否对人工智能持严肃态度的办法。人工智能的炒作似乎不会减缓，吹嘘这些方面也增加了上头条或博得更多投资的机会。

「一家公司如果打造人工智能，要解决四个问题：人才、工具、数据和基础架构。」Nicholson 说，「需要有机器学习背景的人，计算机科学家以及黑客。要能解释他们用的哪类算法，如果使用云，那么，他们可能没有同样多的数据，也不需要考虑基础架构问题。」

「如果他们不谈论算法和技术堆栈，那么，这就是个警示。你很难认真对待这些人，因为他们啥都干得出来。他们在 logistic 回归中使用 if-then 却称其为人工智能。」

人工智能不走大众路线

从制药贸易到政府部门，从不缺乏将人工智能应用到数据中的商业兴趣。不过，这并适合所有人，Nicholson 和 Gibson 说。深度学习需要将训练数据大量绑定以研发具有高性能的模型。

「事实是，几乎所有创业公司并不掌握足够数据。公司也必须现实点。人们不得不跨过幻想阶段，寻找一个可以解决的真正问题。」

　　原文链接：https://www.theregister.co.uk/2017/03/31/ai_infrastructure/

©本文为机器之心编译，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]