Google AI新進展：降低人工智能門檻

日前，Google Cloud Next 2017大會在美國舉行，在此次大會上，Google Cloud宣布了眾多融入機器學習的新進展，其中很多舉措降低了人工智能的門檻。這些舉措包括發布視頻智能API;宣布機器學習引擎實現更廣泛的可用性;建立高級解決方案實驗室，提供機器學習專家服務以及收購數據科學社區Kaggle，這些舉措從計算、算法、數據、人才等方面降低了人工智能的門檻，讓更多企業甚至個人有機會利用人工智能去創造無限可能，共同推進人工智能的進步。

在此次大會中，Google首先宣布了收購數據科學社區Kaggle 。Kaggle是全球最大的數據科學家和機器學習愛好者社區，超過 80萬的數據專家使用 Kaggle 來探索、分析和掌握機器學習和數據分析領域的最新動態。Google Cloud將為這個龐大社區提供最先進的機器學習環境，並提供直接市場化模型的機會。

發布視頻智能API,可識別視頻內容

Google Cloud 視頻智能 API 使用強大的深度學習模型，基於 TensorFlow 等架構進行開發，適用於類似 YouTube 等大規模媒體平台。這款 API 也是首款能夠讓開發者輕鬆搜索和發現視頻內容的 API，開發者可通過在視頻內容中提供有關實體(例如狗、花、人等名詞，以及跑、游泳、飛行等動詞)的信息完成搜索。當這些實體出現時，這款 API 甚至可以提供語境理解。例如，搜索“老虎”將會找出所有存儲在 Google Cloud 視頻集中所有包括老虎的精准鏡頭。

Google 長期以來一直在與全球最大的媒體公司合作，同時幫助他們從類似於視頻等非結構化數據中發現價值。這款 API 是面向想要建立媒體索引或者尋求簡單方法管理眾包內容(crowd-sourced content)的大型媒體公司和科技消費公司，也面向類似 Cantemo 等想要把它植入到自有視頻管理軟件中的合作伙伴。

加上剛發布的視頻智能 API，Google Cloud 機器學習已增加了一整套越來越多的 API：視覺(Vision)、視頻智能(Video Intelligence)、口語(Speech)、自然語言(Natural Language)、翻譯(Translation)和求職(Jobs)。這些 API 可讓客戶搭建能夠看、聽、理解非結構化數據的下一代應用程序，極大的擴大了機器學習在下一代產品推薦、醫療圖像分析、欺詐監控等眾多領域的使用范圍。

機器學習引擎用途更加廣泛

Google Cloud 位於佐治亞州的機器學習引擎，吸引著希望對自有模式進行訓練，並部署到雲生產中的企業和組織。Google Cloud 機器學習引擎已成為具有優勢的管理服務，能夠基於 TensorFlow 建立可與所有類型和規模的數據進行互動的客戶化機器學習模型。此外，它還整合了Google Cloud 平台的完整數據分析產品線，包括 Cloud Dataflow、Cloud Datalab 和 Google BigQuery 等。

Google 還攜手技術合作伙伴，助力他們通過 Google Cloud 機器學習引擎更好地解決實際問題。近期的兩個案例包括：SpringML 使用該服務為終端客戶提供即時分析;SparkCognition 則用它來識別和阻止 zero-day 攻擊。

Google 的高級解決方案實驗室(Advanced Solution Lab)向客戶提供專用設施，讓客戶能夠同 Google 的機器學習專家直接合作，從而幫助客戶通過機器學習完成最緊迫的挑戰。基於 TensorFlow 和 Google Cloud 機器學習引擎，客戶能夠探索特定的業務用例，進而在機器學習領域建立起穩固的基礎。

通過 Cloud Datalab 探索數據

Cloud Datalab 是一款交互式數據科學工作流工具，讓開發者和數據科學家更容易地在BigQuery、Cloud Storage 和本地存儲中探索、分析和可視化數據。就機器學習的發展而言，他們可以採取全生命周期的方法：在本地存儲的較小數據集上建立模型原型，然后使用完整的數據集在雲端進行訓練。

Google Cloud 希望企業能夠使用機器學習推動自身業務發展，也歡迎企業向 Google Cloud 尋求解決方案。同時，Google Cloud 也對 API 的創新用法尤為感興趣，十分期待收到令人驚喜的反饋。 （李文瑤）