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）