EITC/AI/GCML Uczenie Maszynowe Google Cloud

Google Cloud jest wysoce skoncentrowany na dostarczaniu usług AI i działaniu jako wysokiej klasy platforma uczenia maszynowego.

Niektóre z usług Google Cloud AI obejmują:

• Cloud AutoML - usługa umożliwiająca szkolenie i wdrażanie niestandardowych maszyn i modeli uczenia się. Od września 2018 r. Usługa jest w wersji beta.
• Cloud TPU - akceleratory używane przez Google do trenowania modeli uczenia maszynowego.
• Cloud Machine Learning Engine - zarządzana usługa do szkolenia i tworzenia modeli uczenia maszynowego w oparciu o główne platformy.
• Cloud Job Discovery - usługa oparta na możliwościach wyszukiwania i uczenia maszynowego Google dla ekosystemu rekrutacyjnego.
• Dialogflow Enterprise - Środowisko programistyczne oparte na uczeniu maszynowym Google do tworzenia interfejsów konwersacyjnych.
• Cloud Natural Language - usługa analizy tekstu oparta na modelach Google Deep Learning.
• Cloud Speech-to-Text - usługa konwersji mowy na tekst oparta na uczeniu maszynowym.
• Cloud Text-to-Speech - usługa konwersji tekstu na mowę oparta na uczeniu maszynowym.
• Cloud Translation API - usługa do dynamicznego tłumaczenia między tysiącami dostępnych par językowych
• Cloud Vision API - usługa analizy obrazu oparta na uczeniu maszynowym
• Cloud Video Intelligence - usługa analizy wideo oparta na uczeniu maszynowym

Jako przykład sprawdź funkcje AutoML Vision (automatyczne uczenie maszynowe Google Cloud do obliczeniowego zrozumienia wizji) i kontynuuj kompleksowy program nauczania tego programu EITC.

Google AI to specjalny dział Google zajmujący się sztuczną inteligencją. Zostało to ogłoszone podczas Google I/O 2017 przez CEO Sundara Pichai. Do głównych projektów Google AI należą

• Obsługa opartych na chmurze jednostek TPU (tensorowych jednostek przetwarzających) w celu tworzenia oprogramowania do uczenia maszynowego.
• Rozwój TensorFlow.
• TensorFlow Research Cloud zapewni naukowcom bezpłatny klaster tysiąca jednostek TPU w chmurze, na których będą mogli przeprowadzać badania uczenia maszynowego, pod warunkiem, że badania te mają charakter open source, a ich odkrycia zostaną opublikowane w recenzowanym czasopiśmie naukowym.
• Portal zawierający tysiące publikacji naukowych pracowników Google.
• Magenta: zespół badawczy zajmujący się głębokim uczeniem się, badający rolę uczenia maszynowego jako narzędzia w procesie twórczym. Zespół wydał wiele projektów open source, które pozwalają artystom i muzykom na rozszerzenie swoich procesów przy użyciu sztucznej inteligencji.
• Sycamore: 54-Qubit programowalny procesor kwantowy.

Kolejnym projektem jest Google Brain. Jest to zespół badawczy zajmujący się głębokim uczeniem się sztucznej inteligencji w Google, utworzony na początku 2010 roku, łączący otwarte badania nad uczeniem maszynowym z systemami informatycznymi i zasobami obliczeniowymi na dużą skalę. Projekt Google Brain rozpoczął się w 2011 roku jako niepełnoetatowa współpraca badawcza między pracownikiem Google, Jeffem Deanem, badaczem Google Gregiem Corrado i profesorem Andrew Ng na Uniwersytecie Stanforda. Ng był zainteresowany wykorzystaniem technik głębokiego uczenia się do rozwiązania problemu sztucznej inteligencji od 2006 roku, aw 2011 roku rozpoczął współpracę z Deanem i Corrado w celu zbudowania wielkoskalowego systemu oprogramowania do głębokiego uczenia, DistBelief, na bazie infrastruktury chmury obliczeniowej Google. Google Brain powstał jako projekt Google X i odniósł tak duży sukces, że został przeniesiony z powrotem do Google: Astro Teller powiedział, że Google Brain zapłacił za cały koszt Google X. W czerwcu 2012 r. New York Times podał, że grupa 16,000 1,000 procesory w 10 komputerów, które naśladują niektóre aspekty aktywności ludzkiego mózgu, z powodzeniem wyszkoliły się w rozpoznawaniu kota na podstawie XNUMX milionów cyfrowych zdjęć z filmów z YouTube. Od pierwszych lat projektu Google Brain znacznie się rozwinął i znajduje wiele zastosowań w produktach Google AI.

Aby rzucić okiem na postępy, obejrzyj przykładową demonstrację możliwości Asystenta Google: