人工智能能否让您在 2025 年成为亿万富翁？
H2O 的最新产品 Hydrogen Torch 首席执行官 Sri Ambati 表示，旨在将网络巨头的 AI 功能提供给世界其他地区。
世界上大约有 1200 位国际象棋特级大师，而只有 250 位 AI 特级大师。在国际象棋中，就像在 AI 中一样，特级大师是专为顶级职业棋手保留的荣誉。在 AI 领域，这一荣誉颁发给 Kaggle 进度系统中表现最好的数据科学家。
H2O.ai 是一家 AI Cloud 公司，在 2021 年底的 E 轮融资中筹集了 1 亿美元，目前估值为 16 亿美元，拥有全球 10% 的 AI 大师。该公司刚刚发布了 H2O Hydrogen Torch，该产品旨在为企业带来对图像、视频和自然语言处理 （NLP） 的 AI 精通。
我们与 H2O 首席执行官兼创始人 Sri Ambati 进行了联系，我们讨论了从 H2O 的起源和整体产品到 Hydrogen Torch 以及它在 AI 领域中的位置等方方面面。
H2O：AI 堆栈
几十年前，Ambati 首次开始使用 AI 为印度太空研究计划进行语音到文本的翻译。随后，他偶然发现了当时处于早期阶段的神经网络。作为硅谷的移民，他花了时间在初创公司工作。他还花时间在伯克利和斯坦福大学之间休假，并结识了数学家、物理学家和计算机科学家。
Ambati 与他们合作，为 H2O 的开源基础奠定了基础。但直到他的母亲患上乳腺癌，他才“受到启发，为每个人普及机器学习”。
正如他所说，Ambati 着手将 AI 带到每位医生或数据科学家的指尖，以解决对社会有价值的问题。“他继续补充说，要做到这一点，必须重新发明大规模的数学和分析。这导致了 H2O，将编译器工程师、系统工程师、数学家、数据科学家和特级大师聚集在一起，可以轻松、快速地构建高价值和高精度的模型。
多年来，H2O 建立了一整套产品线来实现这一目标。Ambati 说，当 H2O 于 2012 年开始时，可扩展的开源 AI 基础存在差距。有一些语言，如 R 和 Python，允许人们构建模型，但它们非常缓慢、脆弱或功能不全。根据 Ambati 的说法，H2O 的贡献在于他们构建了“世界上最快的距离计算器”。
这是对深度学习中用于矩阵乘法的核心数学的引用。Ambati 继续补充说，当你可以计算两个长张量之间的距离时，你就可以开始在高维和低维数据中生成丰富的线性和非线性数学。
该贡献是 H2O 开源框架的一部分。Ambati 将这种低级基础称为“AI 汇编语言”。然后，H2O 集成了框架和开源社区，例如 Scikit-learn、XGBoost、Google 的 TensorFlow 或 Facebook 的 PyTorch。H2O 团队开始为这些做出贡献，同时最终将一个集成框架整合在一起，这就是后来的 AutoML。
H2O 在该领域的产品是基于 H2O 开源和 XGBoost 的 H2O AutoML，以及一个名为 Driverless AI 的更广泛的闭源产品。两者都以时间序列数据为目标，这些数据是许多企业使用案例（如客户流失预测、欺诈预防或信用评分）的支柱。
H2O 的 Hydrogen Torch 是其产品组合的最新成员，旨在为企业带来图像、视频和自然语言处理 （NLP） 的 AI 大师。图片： H2O
根据 Ambati 的说法，无人驾驶人工智能在过去四年中一直是“H2O 经济的引擎”。它帮助H2O获得了数百名客户，占财富500强的一半以上，包括AT&T、花旗、Capital One、葛兰素史克、日立、凯撒医疗、宝洁、PayPal、普华永道、利洁时、联合利华和沃尔格林。
Ambati 将这一层称为“AI 编译器”。这就是 H2O 开始使用 grandmaster 方法的地方：将问题空间划分为许多配方，为每个配方分配 Kaggle grandmaster，目的是提炼他们的知识，让现场团队的工作更轻松。
构建良好的机器学习模型后的下一阶段是安全地运行此模型。数据本身就存在偏差，有偏差的模型不应未经质疑就投入生产。发现盲点并进行对抗性测试和模型验证，部署模型，然后将其集成到软件构建的 CI/CD 中，这就是 Ambati 所说的“AI 中间件”。
H2O 的混合云、本地和边缘产品（AI 云）解决了这个问题。客户通过应用程序使用它：有一个 AI 应用商店、一个预构建的模型商店和功能商店，将模型构建得出的见解具体化。AI Cloud 也是多云的，因为客户希望有选择。然后还有 H2O Wave——根据 Ambati 的说法，这是一个用于构建应用程序的 SDK。
站在网络巨头的肩膀上
Hydrogen Torch 是 H2O 产品组合的最新成员，专为图像、视频和 NLP 处理使用案例的应用程序量身定制，包括识别或分类对象、分析情绪或在文本中查找相关信息。这是一个无代码产品，Ambati 说：
“它走进了 Google、Microsoft、Amazon 和 Facebook 等 Web 巨头的传统领域，并使用了他们的一些创新，但通过允许客户更轻松地使用深度学习来挑战他们，既采用预构建的模型，又将其转换为本地使用。”
Ambati 提到了 Hydrogen Torch 的一些早期采用者用例，例如实时视频处理。在新加坡，这样做是为了确定交通是否已经回升，或者某些情况是否可能导致事故。使用的方法是采用 “传统的” 大型机器学习模型，然后根据手头的特定数据对其进行微调。
Hydrogen Torch 在后台使用 Facebook 的 PyTorch 和 Google 的 Google TensorFlow。H2O 接受了他们并增加了大师级专业知识，以及一个集成环境。这还包括 H2O 的 MLOps 产品，该产品以用于生产的数据和机器学习管道为食。
正在持续监控模型，以确定其准确性是否发生了变化。这可能是因为传入数据的模式发生了变化，或者因为最终用户的行为发生了变化。无论哪种方式，模型都会重新构建和重新部署。
此外，Hydrogen Torch 无代码产品的一部分是自动生成文档，以便数据科学家可以深入研究以探索选择了哪些数据以及应用了哪些转换。Ambati 声称，与基线模型相比，Hydrogen Torch 模型的准确性可以提高 30%，达到 90 个百分位的高分位数。
当然，他继续补充说，AI 在准确性、速度和可解释性之间存在众所周知的权衡。根据用例要求，必须做出选择。然而，速度在某种程度上是一种普遍的要求。
就速度而言，H2O 的内存处理在确保 Hydrogen Torch 能够根据需要执行图像、视频和 NLP 处理用例方面发挥着关键作用。在相关方面，H2O 还将机器学习模型的小型化提上了议程。这将使模型能够部署在边缘的更多设备上，并且具有更好的性能。
Hydrogen Torch 还与 H2O 产品组合中的另一款产品 Document AI 具有协同作用。Document AI 支持处理传入文档，将图像和 NLP 方法相结合。然后是来自 Zoom 通话和播客等来源的音频和视频数据激增，H2O 旨在帮助其客户跟上步伐。
H2O 与 CommBank 和 AT&T 等知名客户 持续合作。H2O 的专家和客户组织共同创建机器学习模型，并制定了收入分享计划。
Ambati 还确定了 H2O 产品组合中未来增长的更多领域：联合 AI、内容创建、合成数据生成、数据故事讲述，甚至数据新闻等领域都在 H2O 的关注范围内。Ambati 说，目标是建立对 AI 的信任，以服务社区。这确实是一个宏伟的愿景，但其进展很难衡量。然而，就产品路线图而言，H2O 似乎走在正确的轨道上。