Демократизация искусственного интеллекта: новые продукты Google

Компания Google представила набор простых в использовании инструментов, которые помогут разработчикам, не имеющим достаточного опыта построения приложений машинного обучения, заниматься внедрением моделей для определенных задач. AutoML использует предварительно обученные модели машинного обучения и технологию Neural Architecture Search.

На протяжении всего последнего года в Google Cloud упорно работали над тем, чтобы сделать искусственный интеллект не только более мощным, но и более доступным. С целью дальнейшей демократизации компания продемонстрировала специализированные процессоры Cloud TPU, предназначенные для ускорения решения задач машинного обучения.

Третье поколение этих инструментов, представленное сейчас в альфа-версии, поддерживает большие объемы вычислений в рамках машинного обучения, открывая доступ к ним все новым клиентам. При помощи Cloud TPU, например, компания eBay сумела сократить время обучения своей модели визуального поиска почти в сто раз – с нескольких месяцев до нескольких дней.

Объединяя аппаратные средства Cloud TPU с программным обеспечением AutoML и вертикальными решениями Contact Centre AI, команда занимается дальнейшим совершенствованием искусственного интеллекта, снижая входные барьеры для клиентов, желающих его использовать.

Сегодня компания обслуживает клиентов с широким спектром навыков и потребностей, но главной задачей для разработчиков является расширение границ человеческого опыта.

Konverbot - мы создаем чат ботов

У вас есть запрос на создание чат бота? Давайте подумаем над Вашей задачей вместе

«Новые продукты являются частью нашей миссии, направленной на демократизацию искусственного интеллекта и снижение барьеров входа, на доступность искусственного интеллекта максимально возможному по своему охвату сообществу разработчиков, исследователей и коммерческих предприятий», – указали в блоге Google научный директор направления облачного искусственного интеллекта Фей-Фей Ли и глава подразделения исследований облачного искусственного интеллекта Джиа Ли.

Сегодня представлены два новых предложения AutoML:

AutoML Natural Language помогает автоматически классифицировать текстовые категории, специфичные для клиентских предметных областей

AutoML Translation  дает возможность загружать переведенные пары языковых конструкций для обучения своих собственных моделей перевода.

Поток клиентов подтверждает жизнеспособность этих решений в присущем Google Cloud стиле, адаптируя их к своим потребностям. К числу таких клиентов относятся компании Hearst Newspapers, Nikkei Group и Keller Williams Realty.

«Будучи одним из крупнейших в мире издателей ежемесячных журналов, выпускающим 25 наименований для США и почти 300 международных редакций, команда Hearst всегда ищет лучшие способы управления контентом», – отметил старший вице-президент Hearst Newspapers Эсфанд Пурманд. – Мы намерены использовать AutoML Natural Language для применения нашей универсальной таксономии к имеющемуся контенту. AutoML Natural Language позволяет создавать адаптированные модели, отвечающие нашим специфическим потребностям, с более высокой точностью по сравнению с другими рассмотренными нами решениями».

Первым продуктом в пакете – доступным тем, кто направил заявку, получившую одобрение – станет AutoML Vision, предназначенный для создания клиентских моделей на базе технологии распознавания образов Google.

Перетащив изображения в окно программы, разработчики смогут помечать их, исходя из своих требований. После обучения модели на основе входных данных у пользователей появится возможность оценить и очистить ее.

Google предлагает также услуги собственных специалистов, которые на основе полученных от клиентов инструкций будут соответствующим образом классифицировать изображения.

Одним из первых пользователей этого продукта стала компания Urban Outfitters, занимающаяся продажей модной одежды. Она экспериментировала с автоматизацией сбора информации о восприятии покупателями различных нюансов своих товаров, в частности, образцов и стилей декольте. Компания Disney использовала технологию для построения моделей и создания аннотаций продуктов со своими персонажами.

Зоологическое общество Лондона применяло AutoML Vision для анализа и аннотаций фотографий животных, снятых в дикой природе.

В настоящее время всего несколько предприятий имеют персонал и бюджеты, необходимые для того, чтобы полностью оценить преимущества машинного обучения и искусственного интеллекта. В мире пока немного людей, способных создавать передовые модели машинного обучения. И даже если у компании имеются инженеры по машинному обучению и искусственному интеллекту, ей предстоит еще наладить управление сложными и трудоемкими процессами построения своих собственных моделей машинного обучения.

В прошлом году компания Google представила Cloud Machine Learning Engine API, а новый пакет должен помочь «сократить имеющийся разрыв» и сделать искусственный интеллект «доступным каждому предприятию».

Голосуя за машинное обучение

Облачные конкуренты Google также стараются «демократизировать» машинное обучение.

Предлагаемая Microsoft простая визуальная среда Azure Machine Learning Studio, запускаемая в среде браузера, поддерживает перетаскивание и не требует написания программного кода. В сентябре компания расширила свой набор инструментов искусственного интеллекта, но пока продукты по-прежнему находятся в стадии предварительной версии.

На прошедшей в ноябре конференции Re:Invent компания Amazon Web Services представила полностью управляемый сервис сквозного машинного обучения Sagemaker и видеокамеру DeepLens, поддерживающую модели глубинного обучения.

«Люди, выстраивающие модели, не хотят, чтобы машинное обучение было таким сложным, – подчеркнул генеральный директор AWS Энди Джасси. – Они не хотят, чтобы оно было таким загадочным. Не хотят иметь перед собой черный ящик. Им нужно, чтобы все делалось как можно проще. В мире еще просто нет такого большого числа практикующих специалистов по машинному обучению. Основная масса из них сосредоточена в крупных технологических компаниях. И если вы хотите, чтобы машинное обучение активно использовалось большинством предприятий, необходимо сделать так, чтобы соответствующие средства были доступны разработчикам и ученым, решающим повседневные задачи».

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *

';