使用人工智慧好困難? Google Cloud把AI變簡單
2022/07/13
本文編譯自:Google Blog
Alphabet 首席執行官 Sundar Pichai將人工智慧 (AI) 的潛在影響與電力的影響力進行了比較——在 Google Cloud 中,Google預計會在整個用戶範圍內看到使用 人工智慧 和 機器學習 (ML) 的比例大幅成長。
一些趨勢更為明顯,例如 Google AI 研究人員每年獲得數百萬次的學術引用,或者 Google Cloud Vertex AI 等產品將 機器學習(ML) 開發和實驗速度提高了 5 倍,所需的代碼減少了 80%。抵押貸款服務商Mr. Cooper 使用 Google Cloud Document AI處理文件的速度提高了 75%,成本節省了 40%;福特利用 Google Cloud AI 服務進行預期性維護和製造流程現代化;以及在 Google Cloud 上部署 ML 平台的各行各業的客戶。
總之,這些事情證明了AI人工智慧適用於所有人,並且很容易地被應用於在各種工作流程,同時適用於各種技術專業水準的人。Google將客戶的成就視為對這一理念的驗證。同樣,Google看到了分析師的認可,其中包括最近Google被評為領導者
- Gartner®在 2022 年雲 AI 開發人員服務象限™ 報告中
- Forrester Wave™:AI 基礎設施,2021 年第四季度報告、Forrester Wave™:文本分析平台,2022 年第二季度報告和Forrester Wave™:以人為本的文本分析平台,2022 年第二季度報告
6 月,Google討論指導其為 MLOps 創建產品並加速 ML 模型的開發及其在產品中的部署的四個議題。在本文中,將更廣泛地了解Google AI 和 ML 理念,以及為每個人創建“AI”意味著什麼。
人工智慧應該適合所有人
Google在 6 月討論的議題之一是“在用戶所在的地方與他們會面”,這個想法遠遠超出了數據科學家的產品。技術水準不應成為實施人工智慧的障礙——否則,人工智慧可以提供幫助的案例將在沒有現代化的情況下萎縮,而沒有成熟人工智慧實踐的企業將面臨落後於競爭對手的風險。
為此,Google專注於為各類用戶建立 AI 和 ML 服務,例如:
- DocumentAI、Contact Center AI和其他將 AI 和 ML 注入業務工作流程的解決方案,無需對用戶提出繁重的技術要求或重新培訓;
- 事先訓練的 API,從語音到車隊優化,讓開發人員可以利用事先訓練的 ML 模型,不必從頭開始開發核心 AI 技術;
- BigQuery ML將數據分析任務與 ML 結合起來;
- AutoML用於抽象和低代碼 ML 生產,無需 ML 專業知識;
- Vertex AI可使用建構部署和 ML 項目生命週期所需的每個工具來加速 ML 實驗和部署
- 用於訓練深度學習和機器學習模型的AI 基礎架構選項具有成本效益。包括針對數據科學和機器學習任務優化的深度學習 VM,以及適用於每個案例的 AI 加速器,從低成本推理到高性能訓練。
不僅要為高級人工智慧的業者提供領先工具,還要為各類用戶提供領先的人工智慧服務。其中一些涉及對 ML 工作流程的部分進行自動化,以滿足工作需求和用戶的技術能力。其中一些涉及將 AI 和 ML 服務與Google其他企業產品串接,無論這意味著更智慧的語言模型無形地串接到 Google Docs 或 BigQuery 中,從而使數據分析師可以輕鬆訪問 ML。無論從哪個特定角度來看,人工智慧正在成為一種面向全球企業和用戶的多方面、普遍的技術,因此Google認為技術提供商應該通過建構平台來反應這一點,幫助用戶利用人工智慧的力量,隨時隨地與他們會面.
我們如何為下一代 AI 提供動力
創造有助於將人工智慧帶給所有人的產品需要大量的研究投資,包括在產品化路徑可能多年不明確的領域。研究基礎與Google對業務需求和用戶的關注相結合,可以為符合Google的人工智慧原則並鼓勵負責任地使用人工智慧的永續性人工智慧產品提供訊息。
Google對 AI 和 ML 平台的許多更新都是從 Google 研究項目開始的。想想 DeepMind突破性的 AlphaFold 項目如何導致在 Vertex AI 中運行蛋白質預測模型的能力。或者 對神經網絡的研究如何幫助創建Vertex AI NAS,它可以讓數據科學團隊以更低的延遲和功耗要求更準確地訓練模型。
研究至關重要,但也只是驗證人工智慧戰略的一種方式。產品在接觸客戶時必須為自己說話,客戶需要在產品迭代和更新時看到他們的反饋。這強調了在一系列行業、案例和用戶類型中看到客戶採用和成功的重要性。在這方面,Google感到非常幸運能夠與這麼多優秀的客戶合作,並為Google幫助他們完成的工作感到非常自豪。
例如,沃達丰商業的“AI Booster”平台使用最新的Google技術來實現前沿的人工智能用例,優化客戶體驗、客戶忠誠度和產品推薦。對話式 AI 技術被各種公司使用,從 Embodied(其 Moxie 機器人幫助兒童克服發展挑戰)到 HubSpot 將會議記錄與 CRM 數據連接起來。在世界各地的各個行業中,客戶案例與日俱增。
加速趨勢的發展
總體而言,要創造反應人工智慧潛力和未來可能無處不在的產品,必須考慮所有上述因素,從研究到客戶和分析師對話,再到與合作夥伴合作,並將它們轉\為產品。從3 月份推出呼叫中心 AI 平台到 5 月份發布的新語音模型,再到6 月份 Google Cloud 應用機器學習峰會上的一系列公告,Google在過去一年中一直非常活躍。在接下來的幾個月裡,還有更多的計劃,Google很高興與客戶合作,不僅要保持人工智慧發展的步伐,還要加速它。
註:GARTNER 和 MAGIC QUADRANT 是 Gartner, Inc. 和/或其附屬公司在美國和國際上的註冊商標和服務標誌,經許可在此使用。版權所有。Gartner 不認可其研究出版物中描述的任何供應商、產品或服務,也不建議技術用戶僅選擇具有最高評級或其他名稱的供應商。Gartner 研究出版物包含 Gartner Research & 諮詢機構,不應被解釋為事實陳述。Gartner 不承擔與本研究相關的所有明示或暗示的保證,包括任何適銷性或適用於特定目的的保證。