由于IBM Watson Studio（之前的Data Science Experience）等產(chǎn)品，部署AI應用和服務并不像以前那樣具有挑戰(zhàn)性。于2017年首次亮相的Watson Studio，提供了一個幫助分析、可視化和清理數(shù)據(jù)的環(huán)境和工具，并實時培訓和優(yōu)化機器學習模型�，F(xiàn)在，隨著AutoAI的推出，它將變得更加強大。AutoAI旨在自動執(zhí)行與企業(yè)環(huán)境中AI協(xié)調(diào)相關(guān)的任務。

IBM Data和AI總經(jīng)理Rob Thomas在一份聲明中說道：“為制定人工智能的發(fā)展路徑，IBM一直在與客戶密切合作。發(fā)展過程中，許多人會面臨數(shù)據(jù)準備步驟的挑戰(zhàn)，這也是發(fā)展人工智能的基本步驟。我們已經(jīng)看到，對很多成熟的公司來說，數(shù)據(jù)基礎設施的復雜性可能是令人震驚的；但對于那些幾乎沒有技術(shù)資源的公司來說，依然是一個壓倒性的難題。我們?yōu)閃atson Studio提供的自動化功能旨在簡化流程，幫助客戶更快地開始構(gòu)建機器學習模型和實驗�！�

AutoAI可以自動執(zhí)行數(shù)據(jù)準備和預處理步驟，包括特征工程，或使用數(shù)據(jù)領域知識創(chuàng)建元素核心到AI算法的過程。它處理超參數(shù)優(yōu)化（為學習算法選擇一組最優(yōu)超參數(shù)，其中“超參數(shù)”指的是在學習過程開始之前設置的值），并且它擁有一套不斷增長的強大預訓練模型類型，例如梯度提升樹。

此外，Watson Studio AutoAI也是IBM的Neural Networks Synthesis（NeuNetS），這個平臺旨在通過利用AI自動合成自定義神經(jīng)網(wǎng)絡，以及允許用戶選擇優(yōu)先考慮速度或準確性來加速深度學習模型開發(fā)。IBM表示，它使用Kubernetes在IBM Cloud上運行，并且不需要深度學習框架的代碼知識或經(jīng)驗。

去年秋天，NeuNetS推出預覽版，并在Watson Studio項目中提供測試版。

就在幾個月前，IBM通過與IBM Cloud Private for Data的集成，將Watson Studio、Watson Assistant和AI OpenScale帶到私有云平臺和公共平臺（如Google Cloud Platform、AWS和Microsoft Azure）。此外，IBM還推出了AI Digital Automation，這是一種收集和分析數(shù)據(jù)模式的服務，用于識別可自動執(zhí)行的任務。

IBM在機器學習即服務（MLaaS）市場上與谷歌、微軟、亞馬遜和其他公司展開競爭，預計這一市場到2023年將達到55億美元。微軟在3月初宣布增強Azure Machine Learning。4月，谷歌在其I／O 2019開發(fā)者大會期間，為結(jié)構(gòu)化數(shù)據(jù)引入了AutoML Video和AutoML Tables，這是谷歌自動創(chuàng)建AI系統(tǒng)服務的套件。就在本周，亞馬遜宣布推出Amazon Personalize，這是一項AWS服務，可以促進網(wǎng)站、移動應用、內(nèi)容管理和電子郵件營銷系統(tǒng)的開發(fā)，這些系統(tǒng)可以提供定制的搜索結(jié)果。