Google推出新工具使企業更容易使用AI

Google LLC正在加緊努力，使各行各業的企業更容易使用其人工智能技術。

互聯網巨頭已經朝這個方向邁出了一大步。今年早些時候，它推出了一項名為AutoML的新服務，對于AI知之甚少的企業可以使用該服務來構建自己的定制機器學習模型。Google還提供了高級解決方案實驗室等資源，該實驗室與Google自己的機器學習工程師進行了現場協作。

Google的Cloud AI產品管理總監Rajen Sheth在博客中表示，盡管該公司現在擁??有超過15,000個使用AI服務的付費客戶，但這還遠遠不夠。

Sheth寫道：“我們的目標是使AI覆蓋所有企業。” “但是這樣做意味著降低準入門檻。這就是為什么我們在構建所有AI產品時要牢記三個想法：使它們變得簡單，以便更多的企業可以采用它們，使它們對最廣泛的組織有用，并使其快速發展，以便企業可以迭代并更快地獲得成功。”

為此，谷歌今天啟動了所謂的“ AI中心”，這實際上是一個全面的一站式商店，可用于所有Google的機器學習工具和資源。

Sheth寫道，AI集線器目前在Alpha中可用，是“即插即用ML內容的所在地，包括管道，Jupyter筆記本，TensorFlow模塊等”。想法是使所有企業可以公開使用這些工具和資源，同時還為組織提供共享和上載此類資源的私有安全位置。

Sheth在接受SiliconANGLE的采訪時說，AI中心還將幫助促進數據科學家，開發人員和機器學習工程師之間的更大合作。

Sheth說：“由于機器學習是一項團隊運動，因此許多科學家從未見過工作數據。” “例如，您需要前端的數據工程師將數據轉換為正確的格式。但是在后端，需要數據工程師將其投入生產。”

加強協作的需求也解釋了Google為什么要為Kubeflow引入Kubeflow Pipelines，Kubeflow是打包機器學習代碼的軟件，因此組織中的其他人可以重用它。Kubeflow Pipelines使開發人員能夠組合，部署和管理從原型到生產的這些機器學習工作流程。借助它，開發人員還可以利用Google的機器學習框架TensorFlow并使用其開源庫來修復諸如模型分析和數據驗證之類的問題，這些問題通常會導致生產中的機器學習模型出現問題。

Sheth說，“ Kubeflow管道”使團隊中的每個人都可以輕松地將他們的工作封裝在管道中。“因此，好處之一是您可以非常輕松地將組件移入和移出，以便構建新模型而又不會弄亂其他所有東西。這將使協調端到端的ML流變得更加容易。”

另一個更新是Google的Cloud Video應用程序編程界面中的三個新功能的Beta版，該功能用于搜索和理解視頻的內容。該API現在具有文本檢測功能，可用于確定視頻中文本的顯示時間和位置，從而使此類內容更易于搜索。第二個新功能是“對象跟蹤”，用于識別500多種類型的對象。最后，Google添加了語音轉錄功能，可輕松轉錄視頻中的音頻并創建字幕或字幕。

最終，Google宣布了其V2張量處理單元的價格和全面上市時間。這些是托管在Google云中的專用處理器，可大大加快機器學習的工作量。谷歌還提供了PyTorch(一種與自己的TensorFlow競爭的機器學習框架)，可與TPU一起使用。

Constellation Research Inc.的分析師Holger Mueller表示，谷歌決定在其TPU上啟用PyTorch是一個重大新聞，因為這意味著它正在有效地擁抱TensorFlow的最大競爭對手。

他說：“它允許混合使用不同的AI技術。” “這也給Google帶來了與眾不同的優勢，因為AWS和Microsoft之類的競爭對手還沒有提出任何能夠啟動各自的AI產品的最新ML或AI硬件。”

至于其他更新，這些表明“競爭已經開始”，使企業能夠構建自己的AI應用程序。這是因為業務用戶需要先驗證其AI應用程序，并確保在將其投入生產之前先舒適地使用它們。

“無論是開發人員，數據科學家還是簡單的業務用戶，人們都傾向于信任他們所構建的內容，” Mueller說。