跳到主要內容區塊

ntuccepaper2019

產業專欄

Google 致力AI普及化 降低機器學習門檻
  • 卷期:v0046
  • 出版日期:2018-09-20
  • 分類:產業專欄

作者: 本文轉載「CIO IT經理人」雜誌 2018年9月號 NO.87 Page52-53


Google Cloud AutoML 家族有兩個新產品,其中AutoML Natural Language 可自動預測客戶所需的 自然語言類別。至於AutoML Translation,能訓練客製化的翻譯模型。

 

自從全球第一台電子數值積 分計算機(Electronic Numerical Integrator And Computer,ENIAC) 於1945年問世,就吸引全球科學 家從1954年開始,前撲後繼投入 人工智慧研發之路。儘管1980年 代曾有人運用大型主機,搭配特定 領域專業知識庫,推出可解決特定 問題的專家系統,但因可應用的領 域有限、距離人工智慧有極大差 距,該系統最終逐漸在市場消逝。

 

直到2016年3月,Google正式 公佈研發2年的AlphaGo,該系統 在多場正式圍棋比賽中,連續舉敗 全球頂尖騎士之後,才人世人見識 到人工智慧的長足進步,而非僅限 於科幻電影中的情節。箇中關鍵, 在於個人電腦運算能力大幅提升, 以及演算法的持續進化,加上深度 學習法的協助,讓人工智慧具備自 我學習的能力。

 

Google雲端人工智慧與機器學 習首席科學家李飛飛說,自Google 投入人工智慧發展以來,即致力於 讓每個人和企業,從零售到農業, 從教育到醫療保健,都能依照需求 使用該技術。我們認為人工智慧不 該是科技界的獨門專利,而是能為 各行各業創造差異化的重要技術, 甚至能夠為產業帶來革命性改變, 進而迎合消費市場快速變動的趨 勢。

 


Google雲端人工智慧與機器學習首席科學 家李飛飛說,自Google投入人工智慧發展以 來,即致力於讓每個人和企業享有該技術的 好處,不論從零售到農業,或從教育到醫療 保健,都能依照需求使用該技術。

 

從教育到醫療保健,都能依照需求 使用該技術。我們認為人工智慧不 該是科技界的獨門專利,而是能為 各行各業創造差異化的重要技術, 甚至能夠為產業帶來革命性改變, 進而迎合消費市場快速變動的趨 勢。

 

家與科學家,過去已能透過 TensorFlow 、Cloud ML Engine 等 工具,從零開始建構產業或公司 所需的解決方案。又或者利用預 先訓練的機器學習模型,如 Cloud Vision API等工具協助 ,以最低資 本及專業技術的投入,進而對公司 產品或服務帶來立即見效的成果。 但在機器學習的實際應用上,在現 今需求超出先前機器模型的可用範 圍,專案人員卻面臨沒有足夠的技 術或資源,導致難以建構公司專屬 解決方案,拖累人工智慧技術普及 的速度。

 

新的Google Cloud AutoML 可客製化學習引擎


為解決前述現有機器模式可 用範圍不易擴充的問題,Google在 2018年1月即推出Cloud AutoML, 協助在機器學習專業能力上有限 的開發人員,開始運用遷移學習 (transfer learning) 和神經架構搜 索技術(Neural Architecture Search technology),對沒有足夠機器學習 背景的開發人員,也可透過 Cloud AutoML 來訓練客製化的機器學習 模型。 此舉訴求可降低跨入人工 Google雲端人工智慧與機器學習首席科學 家李飛飛說,自Google投入人工智慧發展以 來,即致力於讓每個人和企業享有該技術的 好處,不論從零售到農業,或從教育到醫療 保健,都能依照需求使用該技術。 53 別報導 Special Report 特 智慧的門檻,讓開發者、研究人員 和企業 廣泛地運用人工智慧,實 踐讓人工智慧能被普及應用於各種 產業之中。

 

Google在Cloud AutoML的第一 項產品是AutoML Vision,開發人 員只需要幾十張照片樣本,就可以 創造出自己的影像模型,並且具備 辨識全新類別圖像的能力。由於 Cloud AutoML 使用界面 (graphical user interface) 很平易近人,不管 是訓練、評估、優化甚至部署模型 都非常易於操作,只要幾分鐘就可 讓開發人員擁有自己的機器學習 模型。因此,alpha 測試版問世之 後,隨即受到許多消費者歡迎, 而在Google Cloud Next 2018上, Google進一步推出 AutoML Vision beta 測試版。

 

李飛飛解釋,Google Cloud AutoML家族有兩個新產品,分 別是AutoML Natural Language 和 AutoML Translation,其中AutoML Natural Language可 幫助企業特別針對客戶喜愛的領域, 自動預測 客戶所需的自然語言類別。至於 AutoML Translation,能讓企業透 過上傳翻譯過的詞組,來訓練客 製化的翻譯模型。 另外,我們在 2017年推出Cloud TPU 客製化 處 理器,可加速機器學習的運算效 能後,今天 Google再推出第三代 Cloud TPU alpha 測試版,為更多 企業提供更大量的機器學習運算支 援。

 


Google 雲端產品管理總經理 Rajen Sheth 指 出,過去用戶並沒有進一步運用機器學習工 具深入資料的關鍵,在於資料分析師不具備 機器學習知識。而BigQuery ML提供能夠減 少用戶工作量的做法,如智慧預設、資料轉 換功能等等,有助加速分析人員取得所需的 結果。

 

Google 雲端人工智慧與機器 學習研發負責人李佳指出,Google Cloud AutoML 對缺少AI經驗的企 業和開發者,可提供自動生成影像 辨識、語言分類和翻譯功能。根 據統計,目前AutoML註冊用戶已 超過18000家,產業橫跨媒體、零 售、金融、保險、能源、醫療、環 境等等。其中,有超過10%用戶為 醫療和生命醫學工業,主要用於醫 療影像輔助偵測、及時偵測預警中 風、哮喘等領域之用。

 

BigQuery M L現身


SQL語言融入AI


有全新設計的機器學習演算 法後,Google也大舉將該技術融入 所有雲端服務之中,如在Google Cloud Next全部推出的BigQuery M L ,主打能讓資料科學家、是 分析師使用簡單的SQL語法,以 BigQuery中大量的結構與半結構化 資料,快速建置試合公司營運的模 型。BigQuery ML是SQL語法擴充, 用戶可透過簡單語法使用所需的機 器學習功能,比起傳統機器學習系 統時間要少上許多。


Google 雲端人工智慧與機器學習研發負責 人李佳指出,目前Au toML註冊用戶已超過 18 0 0 0家,產業橫跨媒體、零售、金融、保 險、能源、醫療、環境等等。其中,有超過 10%用戶為醫療和生命醫學工業,。

 

Google 雲端產品管理總經理 Rajen Sheth 指出,針對大量資料 分析設計的BiqQuery,允許用戶對 大型資料集進行相互交叉分析,但 經過調查後發現,多數用戶並沒有 進一步運用機器學習工具深入研究 之後。箇中原因,在於資料分析 師不具備機器學習知識,畢竟自 行定製深度學習的難度很高,而 BigQuery ML提供能夠減少用戶工 作量的做法,如智慧預設、資料轉 換功能等等,有助加速分析人員取 得所需的結果。

 

值得一提,為地理空間查詢 設計的BigQuery GIS,現在研發團 隊正在強化針對物聯網、遠端訊 息處理、零售和製造工作流進行 融合處理的能力。至於,BigQuery Clustering則處於測試階段,可將 具備相似叢集金鑰的資料列,透過 綑綁方式加速資料查詢,同時降低 對伺服器的運算需求。

 

全文轉載內容(PDF)