拼2018年AI落地，这个方向或成各大厂市场布局突破点

跟上深度学习技术泛化工具推广趋势，百度发布深度学习可视化平台Visual DL

参数分布和张量进行可视化

source：百度官方

其中的深度学习可视化平台工具「Visual DL」，目前囊括标量特征、参数分布、模型结构和图像可视化等功能，能帮助开发者实时看到深度学习模型的训练现况并进行模型优化，是百度自2017开始与自家PaddlePaddle深度合作的成果。

至于为什么想要发展这套可视化平台工具「Visual DL」？

百度表示，这是为了让模型训练者能够更容易地理解、试调、优化模型，因此才希望能够透过可视化图形方法来实时表现数据流的训练情况。

Google推出Cloud AutoML工具，加速深度学习技术应用平民化

Google于2018年1月18日发表Cloud AutoML工具，采用迁移学习(Transfer Learning)技术，将已经训练好的模型套用至新的模型，协助新模型训练。此外，透过learning 2 learn及超参数调整技术(Hyperparameter tuning technologies)，也能协助客户大幅改善训练成果。

2017年Google就已经推出云端机器学习引擎，推出包含Vision、Speech、NLP、Translation和Dialogflow等机器学习API服务，以协助开发者能够更轻易地建构属于自己的机器学习模型，至今已累积1万家企业采用Google Cloud AI服务，包含Box、Rolls Royce Marine、Kewpie和Ocado等企业。

虽然已经提供多款API，Google仍认为要让各行各业都享受AI带来的益处仍有很大努力空间，因此希望能以Cloud AutoML中的影像辨识训练功能作为起点，大幅降低模型建构门槛，让整个流程变得平民化且易于理解。

目前在Cloud AutoML工具中推出的Cloud AutoML Vision能简易透过拖曳界面上传影像，并透过图像化简易训练与管理模型，相较于采用一般机器学习API，运用Cloud AutoML Vision来分类公开数据集如ImageNet和CIFAR的初期成果又会更加精准，错误率更低。

加速AI落地，IBM推深度学习PowerAI Vision，协助客户更简易训练深度学习模型

IBM在2017年12月针对AI市场布局除了既有API外，也再度推出新的软件服务与工具。在既有PowerAI平台架构上，进一步推出PowerAI Vision深度学习影像分析工具，目的是要协助客户以更简易方式训练深度学习模型完成「物件侦测」与「影像分类」任务。

其中在「物件侦测」功能方面，只要客户将持有的照片资料输入，并进行简易的物体标注，就能建构属于自己的深度学习物件侦测模型，且整个训练过程都以图形可视化方式呈现，以利客户实时掌控训练情况。

此外，在「影像分类」功能方面，客户只要简易给予图像与这些图像的分类标签，就能训练模型自动学习撷取特征并进行图像分类，整个过程只需要数小时或数十小时不等。

另外，IBM也推出Deep Learning Impact工具，以利于针对不同模型训练过程提供模型优化调整建议和模型的生命周期管理，让整体模型何时需要重新训练变得显而易见，并能立即进行模型优化。

从上述内容可以发现，IBM和Google正积极推出降低开发门槛的AI工具，要让深度学习技术可透过简易档案输入方式建构模型并进行训练，让AI技术能被各行各业的厂商使用，以加快市场导入速度。

已布局深度学习技术可视化产品的AI软件厂商与其产品名称

Source：拓墣产业研究院

拼2018年AI落地，AI大厂希望以可视化、简易操作的软件工具为市场布局突破点

由于诸多消费性电子产品的硬件规格已经推升至一定高度，难以再大幅突破，在市场上缺乏话题的同时，让在2016年冒出火苗的AI快速窜升为市场上最火红话题，并成为全球瞩目的焦点所在。

2017年AI已经吸引大批厂商参与投入，包含以经在AI市场占据核心要角的云端平台、软件平台、电商平台厂商，在硬件支援上不可或缺的芯片与服务器厂商，以及如雨后春笋不断冒出的新创厂商等。

2018年的AI市场发展，拓墣认为就如同在2017年预估的那样，预估2018年将是AI拼应用落地的重要年份，许多AI软硬件产品将直接面临实际应用着陆的考验，成功与否？在各应用市场上有多大的影响力？都将成为2018年的市场关注重点。

而从观点1中提及的百度Visual DL产品布局，也能直接呼应从2017年底～2018年初数间AI软件大厂共同努力的方向，那就是强化AI的实际落地能力－让AI变得更加平民化，包含IBM、Google和现在的百度，都已经针对这个部分推出新产品布局，而且全部一致锁定能实时图像可视化训练过程的深度学习方案，要让整个深度学习模型的训练过程变得浅显易懂，并实时掌控训练状况以便实时修正模型。

这样不仅是这些AI大厂想为各产业公司解决缺乏AI技术人才的困境，更重要的，其实是想为自身解决市场需求难以有效提升的问题。

这样做法的背后，其实隐藏这些AI软件大厂对于2018年AI技术导入市场的危机意识，而这样让AI技术变得平民化作法是否真的能打动各应用市场，有效打开市场需求？值得持续追踪后续所带来的营收效益表现。

文丨拓墣产业研究院 林贞妤