Przewidywanie przyszłości jako usługa

Microsoft zamierza udostępnić w lipcu br. usługę Azure Machine Learning umożliwiającą predyktywną analizę dużych, dynamicznie zmieniających się zbiorów danych.

Microsoft zapowiada udostępnienie w formie usługi technologii systemów uczenia maszynowego (machine learning) czyli oprogramowania umożliwiającego tworzenie systemów wykorzystujących mechanizmy sztucznej inteligencji do takiej analizy danych by na jej podstawie można było uzyskać nową wiedzę wykraczającą poza informacje bezpośrednio wynikające z zebranych informacji.

„Chcemy by znacznie więcej ludzi niż dotąd miało dostęp do takiej technologii” powiedział Eron Kelly, dyrektor marketingu w oddziale Microsoft SQL Server. “Wielu użytkowników biznesowych i pracowników działów marketingu chciałaby już dziś mieć możliwość przewidywania przyszłości w oparciu o analizę bieżących danych, ale informacji jest tak dużo, że coraz trudniej to zrealizować w praktyce” mówi Eron Kelly.

Zobacz również:

  • Microsoft zaprezentuje najnowsze osiągnięcia AI na konferencji Nvidia GTC
  • Google ostrzega przed monopolem Microsoftu w chmurze
  • Snowflake - nowy szef, nowe usługi

Wersja beta usługi Microsoft Azure ML (Machine Learning) ma się pojawić na rynku już w lipcu br., a więc za kilka tygodni

Uczenie maszynowe jest dziedziną wchodzącą w skład nauki określanej ogólnie jako sztuczna inteligencja AI (Artificial Intelligence). Wykorzystuje ono algorytmy, które mają pozwolić komputerom na rozpoznawanie trendów lub przyszłych zachowań ludzi na podstawie analizy dużych zestawów danych napływających jako dynamiczny, ciągły strumień informacji.

Od klasycznych systemów BI (Business Intelligence), algorytmy uczenia maszynowego odróżnia to, że mają one za zadanie przewidywanie przyszłych zdarzeń na podstawie analizy wydarzeń wcześniejszych, czyli umożliwiają analizę predyktywną. Inaczej można to określić jako przewidywanie przyszłości.

Technologie takie już od dziesiątków lat przykuwały uwagę naukowców pracujących w instytutach badawczych lub na wyższych uczelniach. Ale dopiero niedawno zaczęły znajdować praktyczne zastosowania w biznesie. Przykładem mogą być systemy do wykrywania operacji wykonywanych przy użyciu skradzionych kart płatniczych (rozwiązania takie oferuje np. firma Tibco i zostały one z powodzeniem wdrożone w niektórych europejskich bankach).

Microsoft chce spopularyzować tą technologię ułatwiając dostęp do opracowanych rozwiązań przede wszystkim naukowcom, analitykom biznesowym i programistom. Bo stosowane dotąd systemy wykorzystujące technologię machine learning wymagały wdrożenia dużych farm z serwerami oraz wysokiej klasy specjalistów mających wiedzę i umiejętności jak takie algorytmy należy wdrożyć i jak można je wykorzystać.

A ponieważ Azure ML jest usługą świadczoną w chmurze, jej użytkownicy nie muszą inwestować w kosztowna infrastrukturę sprzętową, co często było barierą hamującą wdrażanie tego typu projektów i eksperymentowanie z tą technologią. Natomiast jeśli chodzi o konfigurację i uruchamianie algorytmów to Microsoft opracowuje jeszcze dodatkowe narzędzia i procedury, które mają ułatwić ten proces.

Usługa Azure ML ma interfejs użytkownika określany jako Machine Learning Studio. Będzie on udostępniał standardowe, najczęściej wykorzystywane algorytmy, które użytkownik będzie mógł zastosować do analizy wybranego strumienia danych. Ale możliwe też będzie budowanie i testowanie nowych, opracowanych przez użytkownika modeli analitycznych i algorytmów napisanych przy zastosowaniu języka R.

Machine Learning Studio ma zawierać zestaw wzorców definiujących typowe mechanizmy uczenia maszynowego.

„Użytkownik bedzie mógł przetestować wybrany model analizy na zestawie historycznych danych, dostroić i zoptymalizować jego parametry, a następnie sprawdzić jak użyteczne daje on wyniki” mówi Eron Kelly. Jest to procedura często stosowana w projektach machine learning, która pozwala na sprawdzenie jakie algorytmy dają najlepsze efekty w przewidywaniu przyszłych zdarzeń.

Po opracowaniu najlepszego modelu analizy danych, można go opublikować jako usługę dostępną w chmurze Azure.

Na koniec użytkownik musi jeszcze skierować do chmury strumień danych z odpowiedniej aplikacji przy wykorzystaniu funkcji z biblioteki API i odebrać wyniki analizy.

W ramach usługi mają być dostępne zestawy SDK (Software Development Kit) przeznaczone dla niezależnych integratorów i programistów, którzy chcieliby tworzyć własne usługi lub aplikacje działające w chmurze Azure ML.

Przez ostatni rok, usługa Azure ML była testowana przez wybranych użytkowników w ramach programu private beta.

Na razie Microsoft nie ujawnił jaka będzie cena komercyjnej wersji tej usługi, ani kiedy będzie ona dostępna na rynku.

W celu komercyjnej reprodukcji treści Computerworld należy zakupić licencję. Skontaktuj się z naszym partnerem, YGS Group, pod adresem [email protected]

TOP 200