迈向普及人工智能: AI 即服务平台与机器学习开放空间的比较分析

Nov, 2023

迈向普及人工智能: AI 即服务平台与机器学习开放空间的比较分析

Towards Democratizing AI: A Comparative Analysis of AI as a Service Platforms and the Open Space for Machine Learning Approach

PDF

Dennis Rall, Bernhard Bauer, Thomas Fraunholz

TL;DR通过比较几个热门的 AI 即服务平台并确定实现人工智能真正民主化的关键要求，本文提出了一种新的方法，即 “开放空间机器学习” 平台，它基于 Kubernetes、Kubeflow Pipelines 和 Ludwig 等先进技术，解决了民主化 AI 的挑战，并比现有的 AI 即服务平台更全面和有效。

Abstract

Recent AI research has significantly reduced the barriers to apply AI, but the process of setting up the necessary tools and frameworks can still be a challenge. While ai-as-a-service platforms have emerged to simplify the training and deployment of AI models, they still fall short of

ai-as-a-service platforms democratization of ai self-hosting options high scalability openness

发现论文，激发创造

IBM 深度学习服务

本文介绍了 IBM 的深度学习服务（DLaaS）的软件架构细节，该服务提供深度学习库，通过分布和编排层，资源供应层实现在云中可伸缩和弹性的管理，利用深度学习以及云计算相结合的业务模式，将传统机器学习方法向深度学习推进。

Sep, 2017

面向中小型环境的本地 AI 即服务

这篇文章探讨了人工智能作为服务的功能和相应技术栈以及可能的实现，分析了适用于小型和中型用户的开源用户友好技术，允许完全控制数据和技术平台而不依赖任何第三方或供应商锁定。

Oct, 2022

可扩展的端到端机器学习平台：从自动机器学习到自助式服务

研究探讨了机器学习平台的发展、可伸缩性以及实现自助服务质量的要求和能力，并结合两个商业化的端到端机器学习平台来说明其推广应用及未来发展的目标。

Feb, 2023

可扩展、分布式 AI 框架：利用云计算提高深度学习性能和效率

本文全面研究了利用云计算的可扩展和分布式人工智能框架以提高深度学习性能和效率的关键方面，包括数据存储和管理、优化策略、模型部署与服务等，并讨论了云计算人工智能的挑战、限制和未来研究方向。

Apr, 2023

谨慎民主化：针对用户界面的开源自动机器学习工具中的公平特性需求

人工智能在企业和组织中的作用越来越大，对人类用户的结果和利益产生了影响。自动化机器学习（AutoML）通过自动化重复性任务和基于数据的决策，简化了机器学习模型开发过程，使非专家也能够高效地构建高质量模型。然而，AutoML 工具在处理数据、模型选择和优化方法方面可能存在偏见。我们对用户界面的开源 AutoML 工具进行了实验研究（DataRobot、H2O Studio、Dataiku 和 Rapidminer Studio），以检查它们是否具备辅助用户开发公平感知机器学习模型的功能。实验涵盖了以下特征的评估考虑：了解用例上下文、数据表示、特征相关性和敏感性、数据偏差和预处理技术、数据处理能力、训练测试分离、超参数处理和约束、面向公平性的模型开发、解释性以及用户下载和编辑模型的能力。结果显示了特征在支持公平感知模型开发方面的不足。此外，结果还强调了在 AutoML 工具中确立某些促进公平性的基本特征的需要。

Dec, 2023

利用边缘到云的连续性在分散数据上实现可扩展机器学习

本文介绍了边缘计算智能（如边缘人工智能 / 机器学习）的应用和挑战，为解决现有方法存在的采用障碍，提出了一种基于模型为中心的设计，以建立分散体系结构下的高效协作学习。

Jun, 2023

研究 “人工智能即服务” 的偏见和公平问题

本文提出了 AI as a Service 所存在的问题：由于公平性是具有上下文敏感性的，基于用户自主程度的 AI 服务分类可以导致偏见或在最终用户应用中被认为是有害的。

Feb, 2023

自组织民主化学习：迈向大规模分布式学习系统

本文提出了一种分布式学习算法 DemLearn，以实现 Dem-AI 哲学中分布式机器学习系统所需的政治化学习方法，其采用自组织分层结构机制、联想聚类机制以及学习机制，并在 MNIST、Fashion-MNIST、FE-MNIST 和 CIFAR-10 数据集上测试，结果表明此算法的泛化性能在学习模型方面显著优于传统的 FL 算法。

Jul, 2020

云基 AI 服务的隐私和安全影响研究

云生态系统中的隐私和安全论文指出，解决机器学习模型引入的风险存在差距，通过调查 AIaaS 领域，提出了一种分类法来全面检查 ML 模型的创作者和消费者所面临的风险及其已知防御措施，为提供方和消费方提供了基础解决方案。

Jan, 2024

模式即服务（MaaS）：调查

Model-as-a-Service (MaaS) 是一种新的部署和服务范式，为不同的基于人工智能的模型提供了可扩展和可访问的解决方案，本文综述了 MaaS 的意义、其在各个行业的应用以及未来研究的挑战和问题。

Nov, 2023