AI和云服务都是非常热门的行业。根据哈佛商业评论最近进行的一项调查显示，2016年AI总投资额达到260亿美元至390亿美元，是2013年的3倍。在接下来的15个月中，大约80％的IT预算都将用于云解决方案。尽管如此，尽管两个行业都在稳步增长，但只有20％的公司表示他们以核心方式使用一种或多种AI技术，49％的公司表示他们推迟了云部署。

IBM将与不同服务结合所面临的挑战归咎于二分法。为了解决其中的一些问题，纽约公司今天推出了AI OpenScale，一个让客户能够在几乎任何基础设施上构建AI的平台，以及Multi-cloud Manager，一个旨在简化创建的开放解决方案在多个云服务上运行的应用程序。

AI OpenScale

AI OpenScale将于今年晚些时候推出，面向IBM Cloud和Cloud Private客户，通过在线仪表板运行，支持在众多开源框架上开发的AI模型，包括谷歌的TensorFlow，微软的AzureML，SparkML，Keras，Seldon和Amazon Web服务SageMaker。此外，它还有助于在IBM的Watson，Seldon和其他第三方平台等环境中部署这些模型。

这只是冰山一角。AI OpenScale提供了一套自主偏差检测和缓解工具，包括记录机器学习模型预测的记录系统，以及相应的模型版本，使用的训练数据以及相关的性能指标。它持续监控AI应用程序中的偏见决策，并通过去偏技术，努力减轻偏见，同时提供AI算法给出的建议的解释。

通过这种方式，AI OpenScale建立在IBM早期的AI偏差检测和模型可解释性方面。9月，该公司推出了一个开源工具包AI Fairness 360，包含一系列算法，代码和教程，演示了在模型中实现偏差检测的方法。在今年夏天的白皮书中，IBM研究人员为AI系统提出了情况说明，以回答有关系统操作，训练数据，测试设置，结果，测试方法等的问题。

IBM并不是唯一一家开发缓解算法偏见的平台的公司。在5月举行的F8开发者大会上，Facebook宣布了Fairness Flow，这是一项针对数据科学家的自动化偏向捕获服务。微软和埃森哲已经发布了类似的工具。

IBM还于今天发布了神经网络综合引擎（NeuNetS），这是一个为业务任务和数据集自动化AI开发的新系统。该公司声称，在测试中，NeuNetS自主设计，训练和部署的定制AI模型已达到与人类设计的神经网络相当的准确性。

在AI OpenScale发布时，NeuNetS将提供测试版。

“我们的战略是使用开放的，可互操作的方法来推动AI经济，”IBM认知解决方案高级副总裁David Kenny说，“我们相信AI OpenScale代表了一种新的技术类别，也是大规模采用AI的新时代的开始，因为它是开放的，使任何AI更易于操作和完全透明。”

Multi-cloud Manager

Multi-cloud Manager运行在IBM Cloud Private上，基于Kubernetes的平台，这是一个开源的容器编排系统，可自动化容器化应用程序的部署，扩展和管理，它提供了一个仪表板界面，可以处理多达数千个Kubernetes应用程序涵盖多个位置的大量数据。

“凭借其跨多个云管理数据和应用程序的开放标准方法，IBM Multi-cloud Manager将使公司能够扩展其众多云投资并释放云的全部业务价值，”IBM Hybrid Cloud高级副总裁Arvind Krishna在一份声明中表示，“通过这样做，它们将超越租用计算能力的生产力经济学，充分利用云来发明新的业务流程并进入新的市场。”

Multi-cloud Manager的仪表板在单个统一的控制面板上显示Kubernetes集群，并使用集成的合规性和规则引擎来确保这些集群始终符合企业策略和安全标准。此外，它还提供备份工具，可在发生安全漏洞或硬件故障时保护已部署的Kubernetes应用程序和数据。

IBM Multi-cloud Manager已经被澳大利亚第五大零售银行Bendigo和Adelaide Bank等客户使用，将于2018年10月上市。