新聞媒體

iKala Cloud / 新聞媒體 / 【Google Next 大會重點產品發表】Cloud AutoML Beta 版釋出

【Google Next 大會重點產品發表】Cloud AutoML Beta 版釋出

2018 年 7 月 25 日

Google 在一年一度的 Google Cloud NEXT 大會上正式推出新一代機器學習產品:Cloud AutoML,一次涵蓋了圖片辨識(Vision)、翻譯(Translate)、自然語言處理(Natural Language)三大範疇。這個能讓企業快速擁有客製化機器學習模型的產品,究竟解決了機器學習領域中的什麼問題、而近幾年人工智慧在紅什麼?就讓我們透過這篇文章一探究竟吧!

 

淺談「人工智慧」、「機器學習」與「深度學習」

如果要用一句話說明人工智慧、機器學習、深度學習的差異,我們可以說:「深度學習是一種驅動機器學習的技術,而機器學習則是一種實現人工智慧的方法」。

iKala Cloud

人工智慧:概念

人工智慧(Artificial Intelligence,縮寫為 AI)詞彙源於 1956 年一場達特茅斯學院的會議,目的在建構出等同於人類智能的機器,簡單來說「 人工智慧是指機器能夠擁有與人類相同水平的智能,並能執行與人類一樣的工作 」。

 

機器學習:方法

機器學習( Machine Learning)是一種實現人工智慧的方法。透過演算法解析過去的數據及經驗,找到其運行規則,並對真實世界中的事件做出決策和預測。簡而言之,「機器學習是透過海量的數據訓練機器,告訴機器什麼是正確的,讓機器能夠自行做出預測 」。

 

深度學習:技術

深度學習( Deep Learning)是 一種實現機器學習的技術。擊敗當今世界棋王的 AlphaGo 用的技術就是深度學習。深度學習模型需要透過大量的訓練數據,才能得到更好的預測結果。目前只能針對特定需求來設計,例如 AlphaGo 只會下圍棋,不能要求他下象棋。由此得知,「深度學習是指透過層層的函數堆疊,輸入數據讓機器從中找出最佳解 」。

 

突破性的雲端服務:Cloud AutoML

說明完三者的關係,是否仍覺得機器學習是遙不可及的技術呢?Google Cloud 今年重磅推出一款平民版的機器學習服務 Cloud AutoML,大幅降低了使用者踏入機器學習領域的門檻。此篇文章將介紹的產品:Cloud AutoML Vision,為 Cloud AutoML 的其中一款用於圖像辨識的服務。

 

Cloud AutoML Vision 的出現,讓使用者只要準備數十張到數百張的樣本照片,並搭配平易近人的使用介面,就能訓練出專屬的模型,使用者不需寫到任何程式碼。「客製化模型、易於操作、高品質、不需具備相關知識」是 Cloud AutoML 的最大特色。

 

Google 在去年的 Next 大會表示,未來機器學習的目標是「AI 大眾化 」,能夠讓所有人都有使用 AI 的能力。目前全球開發者預估有 2,100 萬人,但資料科學家卻僅有 100 多萬人,研究深度學習的專家更是只有 1,000 多位。業界明顯缺乏機器學習領域的人才,但對於這類人才需求量又非常龐大。Cloud AutoML 的釋出,就是希望使用者能夠簡單地應用 AI 來解決問題。

 

Cloud AutoML 的問世預計能解決許多產業的問題,例如娛樂、媒體、醫療、保險產業等,保險產業甚至可以透過 Cloud AutoML Vision 分析車禍現場。以往企業想要套入 AI solution 的第一大難題就是人才難找,就算請到人才,後續的「建模」、「調教」以及「接入企業流程」也會消耗許多人力與時間成本。Cloud AutoML 大幅地自動化、抽象化這些步驟,讓各企業能夠非常輕鬆地導入 AI 到自家產品。

 

Cloud AutoML 獨家搶先體驗

結合 AI 大眾化的趨勢,Google Cloud 卓越合作夥伴:iKala Cloud 架設了 「Cloud AutoML 獨家體驗專區 」,讓所有人都能即刻感受 Cloud AutoML 的威力。若想客製化擁有自己的 Cloud AutoML 模型,iKala Cloud 提供以下教學文章與應用案例:

 

Google 在 1/17 重磅推出了極具破壞性的機器學習產品 Cloud AutoML,引起各大產業的驚呼 (相關文章:Google 發表 Cloud AutoML,對產業帶來的五大突破性影響 )。究竟 Cloud AutoML 是什麼? 它與先前 Google 推出的機器學習產品有什麼不同? iKala Cloud 將透過這篇文章帶您了解 Cloud AutoML、Cloud ML engine、ML API 的差異。

 

Cloud AutoML 產品特色

 

1. 與 human labeling 整合

如果您有圖像卻還沒有標籤也不必擔心,Google 提供了一個 human labelers 團隊,協助您檢查並根據您的指示進行圖片的分類。您也可以利用 human labeling service 來標註或清除您的標籤,以確保您的模型接受正確的訓練。 不論是 quality 或是 throughput,您得到的 training 資料將和 Google 得到的相同。而且您不必擔心資料外洩。

 

2. 整合性高

Cloud AutoML 與其他 GCP 產品完美整合,舉例來說:您可以將您的 training data 存在 Google Cloud Storage 中、在既有的 Vision API 加上參數就可以以取得您客製化模型的 prediction、又或是使用 Cloud ML Engine 的線上預測服務。

 

擁有專屬自己的機器學習模型

想立即擁有自己的客製化機器學習模型嗎?想訓練模型卻不知從何下手嗎? 立刻與 iKala Cloud 聯繫吧! 瀏覽更多 Cloud AutoML 相關文章與 Google Cloud 產品應用,詳見 iKala Cloud 技術部落格,最新知識均在此與您分享。

回到頂端