谷歌收购Kaggle平台案背后精明的人工智能策略

上月初,谷歌宣布其正收购科学数据平台kaggle。其中,kaggle平台的许多评论家以及新闻报道者也以吸收人才的方式一并被收购。与此同时,kaggle平台目前也在大量招聘数据科学家和工程师。

在谷歌宣布收购kaggle平台后,其首席科学家李飞飞在一份声明中以引人关注的模糊术语解释了该收购项目:

在谷歌Next’17大会的主题演讲中,我强调了人工智能民主化的重要性。我们必须降低大家进入人工智能的门槛,使人工智能能够普遍适用于规模较大的开发商、用户和企业社区,以便他们能够将其应用于自己的特定的需求。随着Kaggle平台加入Google Cloud团队,我们可以加快完成这项任务。

正如一些用“民主化”代替“政治化”的政客们(他们将自己作为首席政治家)一样,大型科技公司偶尔也会使用这类有些狡黠的术语,以掩盖他们更加明确的战略以及业务驱动的动机。我不是在暗示这里有任何恶意的事情,而只是无论是谷歌的“使人工智能民主化”的任务或者是人才招募理由都完全可以解释这一举动。

我认为这次收购是谷歌追求在cloud中拥有人工智能的一个非常具有战略性和精明的商业举动,并且这一举动能够确保谷歌在其主要竞争对手(如微软和亚马逊)中占据持久的优势。Kaggle平台的首席执行官安东尼·戈德布卢姆(Anthony Goldbloom)先生曾做如下陈述:

Kaggle平台有了谷歌的加入将会使我们能够收获更多。因为这使得世界上最大的数据科学平台以及世界上最强大的机器学习云结合在了一起。

谷歌不仅仅获得了一支有才华的工程师团队或者是一批有权访问大型数据库的科学家,而是获得了五十万机器学习从业者的编程习惯,这些编程人员将能够使用开源的谷歌技术(例如Tensorflow),并通过使用谷歌的应用程序编程API和产品在Google Cloud中构建自己的模型。考虑到Kaggle平台是在该领域的学生和初学者最理想的训练场所,这将对技术堆栈的选择产生深远的影响,这个技术堆栈选择者不仅包括那些工程师,同时也包括任何招聘数据科学家和机器学习工程师的公司或者任何要建立以技术为基础并想利用大型人才库的创业公司。在计算历史上有这样的一个类比,人们可以深思Java在将其作为一种编程混合语言在大多数大学完成其推广的过程中都做了什么,反之亦然。

但是让我们倒回来去看看它是如何符合谷歌更广阔的战略的。谷歌之所以能在搜索引擎中获胜,是因为网络将其基础平台剥离掉了。微软无法利用他们自己巨大且占绝对主导的操作系统平台,是因为在它的顶端有一个新的运行时间。通过有效地将转换成本降低到零,可以平衡游戏场地,消除任何人为锁定。谷歌的竞争优势在于其先进的技术,现在也能够在这些方面竞争,远远超过其他的竞争对手。从那以后,搜索业务已经成为了谷歌的骨干业务,约占谷歌总收入的75%。不过最近谷歌似乎已经认识到他们必须重新思考商业模式,因为搜索业务的是收入可能会下降。

Sundar Pichai在自己最后一次输入/输出(I / O)主题演讲中表示:“我们正在从一个移动第一的世界走向一个人工智能第一的世界”,这是一个用户将直接与智能助手进行互动的世界,无论他们是在对着他们的AirPods说话来询问Siri最近的花店在哪儿,通过Alexa订购亚马逊的新洗涤剂,或者通过Pixel的助手访问谷歌的一项服务,通过搜索引擎走迂回的路线的查询过程将会越来越少。反过来,这意味着通过AdWords提供广告的机会也将会减少。谷歌一直通过标志性的“手气不错”按钮含蓄地承认着这种可能性。现在自然语言界面正在变得可行,由于深度学习的突破外加背景感知移动设备,以确保你的人工智能助手可以根据您的问题准确地评估查询相关的最佳结果,你以后将不会再因为这样常见的事情而感到幸运了。

谷歌的人工智能的第一个战略最重要的部分是不要再重复吉斯特(Gsuite)的错误,吉斯特(Gsuite)从来没有完全能够以微软的企业方式在企业中占据一席之地。这一次,他们正在通过发布一系列明显利用谷歌核心优势的产品而走在游戏的前面,数据如下:

  • 云机器学习引擎(The Cloud Machine Learning Engine,https://cloud.google.com/ml-engine/)可以让你轻松地在谷歌云端构建并训练张量流(Tensorflow)模型。
  • 云自然语言应用程序编程API(The Cloud Natural Language API,https://cloud.google.com/natural-language/)可以让客户获得谷歌强大的自然语言处理(NLP)功能。
  • 云视频智能应用程序编程API(The Cloud Video Intelligence API,https://cloud.google.com/video-intelligence/)可以通过注释框架使视频可搜索,从而可以识别实体和活动。
  • 云语音智能应用程序编程API(The Cloud Speech API,https://cloud.google.com/speech/)能提供语音转录应用程序编程接口(API)。
  • 一个新的云工作应用程序编程API(A new Cloud Jobs API,https://cloud.google.com/jobs-api/)可以通过使用机器学习来匹配潜在员工与工作。

无论是将必应搜索与谷歌搜索进行对比,或者是将苹果iOS地图与谷歌地图进行对比,谷歌的产品在可用性和性能方面都很难被打败。当你的市场竞争优势随着你的优势产品的市场份额数据的增长一起增长时,这种优势产品将由一个小的边缘开始逐渐变大,并成为最终赢家。这是在搜索引擎这个领域发生的情况,目前谷歌正在努力使这种情况能够再次发生在人工智能领域中。

首先要做的就是再次让竞争对手的强大平台变得无关紧要。在搜索引擎这个案例中,网络通过使操作系统变得无关紧要来达到该目的,但现在谷歌必须有意识地“选择战场”。亚马逊已经在其主要的AWS平台上构建了一个令人印象深刻的完全模块化的云产品系列,这对谷歌的竞争来说是非常不利的。进入Kubernetes。Kubernetes是谷歌的开放源码容器管理系统,目前它是吉斯特(Github)增长最快的开源项目之一,并且已经与微软的Azure或红帽的 PaaS OpenShift等平台紧密结合。容器的核心策略是允许开发人员在不考虑基础硬件或操作系统的情况下建立标准接口,从而能够完全灵活的在容器内部署和运行软件。与Azure一样,平台提供商鼓励潜在的客户在他们的平台上部署其集装箱化软件。然而,对于提供的不仅仅是计算能力的产品(例如上面列出的谷歌服务)而言,这意味着他们在一个公平的竞争环境中竞争。如果我想使用谷歌新的视频智能应用程序编程接口(API),我只需将我的容器从AWS移动到谷歌云端,然后准备就绪。转换成本接近于零。

回归到Kaggle平台收购;谷歌战略的第三步依赖于培养一个数据科学家和机器学习专家(未来和现在)的群体,这个群体的人习惯并相对舒适的使用谷歌内部机器学习系统。无论是谷歌特别支持的张量流(Tensorflow)项目(最近都将深度学习Keras库),还是以机器学习和深度学习的联合课程形式与优达学城(Udacity)一起提供免费教育,或是现在通过收购Kaggle平台获得的五十万机器学习爱好者,这些举措确保了从业人员的工具箱将是基于谷歌的标准和技术的。

收购后的第一件事似乎是将Kaggle平台内核的“环境、投入、代码和输出的组合”移动到谷歌云中(Google Cloud)。当涉及到在机器学习产品和服务方面时,你必须依靠那些知道自己正在做什么的富有经验的客户,这个策略需要特别敏锐的考虑。对于服务初创公司来说,在开发者和用户之间在业务方面存在有很大的分歧,这就使得在机器学习上有着完全的代沟,对于只能使用像张量流(Tensorflow)这样的开源库的开发者来说这种学习太死板了,对于后者来说这种学习又太具有技术性。谷歌已经意识到人工智能渗透企业的方式是通过开发人员和数据科学家,而开发人员和数据科学家反过来又将选择技术堆栈。“民主化人工智能”的副作用是演示将在谷歌堆栈上。

TLDR: 谷歌正在使用Kubernetes来降低转换云平台的成本,因此它可以在用户体验和技术方面进行竞争,因为它的数据优势超过了人工智能云端竞技场的曲线。为人工智能企业云平台聚集力量的另一种方法是培养和引进机器学习专业人员来使用其平台,通过诸如最近收购的Kaggle平台或Udacity等关联相关技术以及诸如像Tensorflow和Keras等突出开源项目。

预测:谷歌准备拥有企业人工智能云端空间,并将与市场一起发展,他们开始学习如何利用人工智能来支持他们的业务并获得竞争优势。

本文由 AI100 编译,转载需得到本公众号同意。


编译:AI100

原文链接:http://www.deeplearningweekly.com/blog/the-shrewd-ai-strategy-behind-google-s-kaggle-acquisition


原文发布于微信公众号 - AI科技大本营(rgznai100)

原文发表时间:2017-04-13

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏灯塔大数据

大数据入门的四个必备常识

一、大数据分析的五个基本方面 1、可视化分析 大数据分析的使用者有大数据分析专家,同时还有普通用户,但是他们二者对于大数据分析最基本的要求就是可视化分析,因为...

373110
来自专栏华章科技

大数据入门,你需要懂这四个常识

大数据分析的使用者有大数据分析专家,同时还有普通用户,但是他们二者对于大数据分析最基本的要求就是可视化分析,因为可视化分析能够直观的呈现大数据特点,同时能够非常...

9430
来自专栏AI科技评论

学界丨当深度学习遇上敏捷开发,会发生怎样的“化学反应”?

说出来你可能不信,有一种从软件开发领域诞生的思维方式,自诞生以来就一直深远地影响着我们日常的工作和生活。这就是“敏捷方法”,即软件开发领域的“敏捷软件开发”(A...

39770
来自专栏熊二哥

项目管理快速入门03--其他知识领域

之前介绍项目管理10大过程中,综合的整合管理,和"多快好省"4大核心过程,接下来介绍其他5类辅助管理,其中风险管理是重难点。 ? 规划人力资源管理:识别和记...

20690
来自专栏陈树义

3、产品经理的自我管理

1.产品经理的自我管理 -> 习惯,是一个人一生的财富 -> 你的工作角色, 决定了你的生活方式 -> 产品经理不仅需要一颗风骚的内心,更需要刚硬坚定的自我管理...

28660
来自专栏互联网数据官iCDO

人工智能如何帮助我们理解社交媒体

翻译 互联网数据官(iCDO)志愿者 齐云涧 ? 如果你是X战警漫画系列的粉丝,你熟悉Cerebro,一个虚构的设备,可以进入人类的脑波,并有能力通过个人的想法...

44650
来自专栏数说工作室

【数说·大数据圈】当我们谈论“细分”(segmentation)的时候我们在谈论什么

我们经常听到一些创业者说,“我做的这个产品主要面向XX客户”,有人服务于高净值人群、有人专门面向女性客户群,也有人专注于老年市场......,不同的客户群之间存...

48340
来自专栏大数据文摘

关于数据分析,管理者的4个常规错误

15230
来自专栏大数据文摘

思必驰俞凯:自然语言技术的畅想关键点不在交互,而是自然丨清华人工智能研习社

11220
来自专栏ATYUN订阅号

微软宣布在中英文机器翻译方面取得重大突破

AiTechYun 编辑:nanan 微软本周三宣布,他们已经创造出了第一台机器翻译系统,能够以与人一样的准确度将新闻稿件从中文翻译成英文。该公司表示,他们对该...

36570

扫码关注云+社区

领取腾讯云代金券