日前,Google Cloud Next 2017大会在美国举行,在此次大会上,Google Cloud宣布了众多融入机器学习的新进展,其中很多举措降低了人工智能的门槛。这些举措包括发布视频智能API;宣布机器学习引擎实现更广泛的可用性;建立高级解决方案实验室,提供机器学习专家服务以及收购数据科学社区Kaggle,这些举措从计算、算法、数据、人才等方面降低了人工智能的门槛,让更多企业甚至个人有机会利用人工智能去创造无限可能,共同推进人工智能的进步。

在此次大会中,Google首先宣布了收购数据科学社区Kaggle 。Kaggle是全球最大的数据科学家和机器学习爱好者社区,超过 80万的数据专家使用 Kaggle 来探索、分析和掌握机器学习和数据分析领域的最新动态。Google Cloud将为这个庞大社区提供最先进的机器学习环境,并提供直接市场化模型的机会。

发布视频智能API,可识别视频内容

Google Cloud 视频智能 API 使用强大的深度学习模型,基于 TensorFlow 等架构进行开发,适用于类似 YouTube 等大规模媒体平台。这款 API 也是首款能够让开发者轻松搜索和发现视频内容的 API,开发者可通过在视频内容中提供有关实体(例如狗、花、人等名词,以及跑、游泳、飞行等动词)的信息完成搜索。当这些实体出现时,这款 API 甚至可以提供语境理解。例如,搜索“老虎”将会找出所有存储在 Google Cloud 视频集中所有包括老虎的精准镜头。

Google 长期以来一直在与全球最大的媒体公司合作,同时帮助他们从类似于视频等非结构化数据中发现价值。这款 API 是面向想要建立媒体索引或者寻求简单方法管理众包内容(crowd-sourced content)的大型媒体公司和科技消费公司,也面向类似 Cantemo 等想要把它植入到自有视频管理软件中的合作伙伴。

加上刚发布的视频智能 API,Google Cloud 机器学习已增加了一整套越来越多的 API:视觉(Vision)、视频智能(Video Intelligence)、口语(Speech)、自然语言(Natural Language)、翻译(Translation)和求职(Jobs)。这些 API 可让客户搭建能够看、听、理解非结构化数据的下一代应用程序,极大的扩大了机器学习在下一代产品推荐、医疗图像分析、欺诈监控等众多领域的使用范围。

机器学习引擎用途更加广泛

Google Cloud 位于佐治亚州的机器学习引擎,吸引着希望对自有模式进行训练,并部署到云生产中的企业和组织。Google Cloud 机器学习引擎已成为具有优势的管理服务,能够基于 TensorFlow 建立可与所有类型和规模的数据进行互动的客户化机器学习模型。此外,它还整合了Google Cloud 平台的完整数据分析产品线,包括 Cloud Dataflow、Cloud Datalab 和 Google BigQuery 等。

Google 还携手技术合作伙伴,助力他们通过 Google Cloud 机器学习引擎更好地解决实际问题。近期的两个案例包括:SpringML 使用该服务为终端客户提供即时分析;SparkCognition 则用它来识别和阻止 zero-day 攻击。

Google 的高级解决方案实验室(Advanced Solution Lab)向客户提供专用设施,让客户能够同 Google 的机器学习专家直接合作,从而帮助客户通过机器学习完成最紧迫的挑战。基于 TensorFlow 和 Google Cloud 机器学习引擎,客户能够探索特定的业务用例,进而在机器学习领域建立起稳固的基础。

通过 Cloud Datalab 探索数据

Cloud Datalab 是一款交互式数据科学工作流工具,让开发者和数据科学家更容易地在BigQuery、Cloud Storage 和本地存储中探索、分析和可视化数据。就机器学习的发展而言,他们可以采取全生命周期的方法:在本地存储的较小数据集上建立模型原型,然后使用完整的数据集在云端进行训练。

Google Cloud 希望企业能够使用机器学习推动自身业务发展,也欢迎企业向 Google Cloud 寻求解决方案。同时,Google Cloud 也对 API 的创新用法尤为感兴趣,十分期待收到令人惊喜的反馈。 (李文瑶)

Google AI新进展:降低人工智能门槛

图文简介