人工智能在企业中的一般功效是显而易见的，本文试图深入研究企业如何快速有效地从机器学习开始到获得投资回报。
让我们面对现实，机器学习和人工智能在这里，他们是一个不可忽视的力量。这是为什么？因为机器学习是现代投资回报最大的选择。
好吧，让我们切入正题。今天你对机器学习和AI有很多了解的原因是因为计算机有些默默的革命。一段时间以来，摩尔定律似乎已经崩溃了，CPU功率的大幅度进步处于领先位置。有趣的是，还有一种称为GPU（图形处理单元）的不同类型的处理技术，最终能够很好地处理神经网络所需的相同类型的计算。GPU处理能力在过去的几年里已经爆炸了，因此，我们实际上使用神经网络的情况如下。
由于神经网络和机器学习已经存在了很长一段时间，所以我强调实用性这个词，但是处理人脸识别系统（例如）所需要的时间和资源是非常昂贵的。
GPU的相对较低的成本突然使强大的机器学习成为可行的商业技术。
但机器学习仍然很难
尽管围绕机器学习和人工智能的兴奋增长，事实证明，其实际上仍然很难实施。您需要经过专门培训的机器学习工程师，博士数据科学家，数学家以及了解机器学习的复杂性和局限性的经理。对于企业来说，这仍然是一个昂贵的主张。
通过训练我自己的机器学习模型，我可以告诉你，构建有用的东西最难的部分是收集训练数据。在某些情况下，您需要千千万万的您想要训练模型的不同类别的数据的例子。您必须确保数据格式正确，且没有太多变化。一旦对数据集感到满意，就必须做出数以百计的决定之一，决定要使用哪种处理来获得所需的结果。你第一次尝试时通常是错误的 - 所以要做好大量的测试。
6个月后，你有一个很舒服的模型，但现在你需要弄清楚如何在生产中进行部署和扩展。这涉及机器学习之外的其他学科，需要有专家才能做一些可行的事情。
云服务
云计算有其好处，即您只需支付您使用的费用。理论上，您不再需要为数据中心的空调，设备更换和物理空间支付费用。这应该是一个巨大的节省。革命性的！
但事实证明，来回移动内容的成本，数据难以置信的增长，供应商锁定以及安全性的复杂仍然存在问题。当云公司开始提供机器学习即服务（MLaas）时，企业也遇到了类似的障碍。我个人听说客户在整合基于云的机器学习方面抱怨同样的两件事。1）它的规模太昂贵，因为它们按API调用收费，2）我不希望或不能让我的数据离开我的处所。
本地机器学习
GARY ORENSTEIN最好在他的Venture Beat文章中使用AI来查找隐藏在公司数据中的奖励价值：
大型企业已经拥有了大量的应用程序和数据库。然而，随着数字化转型的广泛业务重点，是时候追求新的数据应用程序，并结合机器学习和人工智能。鉴于来自亚马逊，谷歌，微软等云的可用资源，从头开始往往是有道理的。但是企业应该记住，在任何云或者他们自己的数据中心部署解决方案的能力可能是长期优化为公司服务的重要先决条件。
企业需要成为自己的机器学习的主人，影响，建立一个内部的MLaaS解决方案，以适应自己的需求，并提高客户价值。
让我举一个例子。
我公司Machine Box的一名客户在医疗行业的企业工作。他探索建立一个机器学习团队，发现它太昂贵了。然后他看着IBM Watson，但告诉我们，他们的文本分析能力不仅比Machine Box的准确度低，而且要用它来发财。
他需要做的是每天为他的团队腾出数千页的文本，这样他们就可以专注于他们的主要工作（顺便说一下机器学习的完美用例）。
对企业来说，游戏的变化是能够集成功能强大的机器学习工具，以节约时间，创造新产品，创造收入，并以经济高效的方式从创建，管理和处理的无尽数据中获得巨大的价值。请记住，这是关于投资回报率高于一切。
企业规模，简单的API和无限制的使用
企业将需要这三个。幸运的是，这正是Machine Box所要做的。
什么是Machine Box？
Machine Box将最先进的机器学习功能置于Docker容器中，因此像您这样的开发人员可以很快地将自然语言处理，面部检测，对象识别等功能轻松纳入您自己的应用程序中。
这些盒子是按比例构建的，所以当你的应用程序真正起飞时，只需在水平方向上添加更多的盒子，就可以无限扩展。哦，它比任何云服务都便宜（而且可能会更好）...而且您的数据不会离开您的基础架构。
玩一玩，让我们知道你的想法。
原文链接（climb the wall）
https://hackernoon.com/dear-enterprises-heres-how-you-can-integrate-ai-today-instead-of-tomorrow-e3f9dd25e953
