EITC/AI/GCML Google Cloud Machine Learning

Google Cloud er meget fokuseret på at levere AI-tjenester og udføre som avanceret maskinlæringsplatform.

Nogle af Google Cloud AI-tjenesterne inkluderer:

• Cloud AutoML - Service til træning og implementering af brugerdefineret maskine, læringsmodeller. Fra september 2018 er tjenesten i Beta.
• Cloud TPU - Acceleratorer, der bruges af Google til at træne maskinlæringsmodeller.
• Cloud Machine Learning Engine - Administreret service til træning og opbygning af maskinlæringsmodeller baseret på almindelige rammer.
• Cloud Job Discovery - Service baseret på Googles søgning og maskinlæringsfunktioner til rekrutteringsøkosystemet.
• Dialogflow Enterprise - Udviklingsmiljø baseret på Googles maskinindlæring til opbygning af samtalegrænseflader.
• Cloud Natural Language - Tekstanalysetjeneste baseret på Google Deep Learning-modeller.
• Cloud Speech-to-Text - Tale til tekstkonverteringstjeneste baseret på maskinlæring.
• Cloud Text-to-Speech - Konverteringstjeneste til tekst til tale baseret på maskinindlæring.
• Cloud Translation API - Service til dynamisk oversættelse mellem tusinder af tilgængelige sprogpar
• Cloud Vision API - Billedanalysetjeneste baseret på maskinlæring
• Cloud Video Intelligence - Videoanalysetjeneste baseret på maskinlæring

Som et eksempel, tjek AutoML Vision-funktionerne (Google Clouds automatiske maskinindlæring til beregningsforståelse af vision) og fortsæt med en omfattende læseplan for dette EITC-program.

Google AI er en speciel division af Google dedikeret til kunstig intelligens. Det blev annonceret på Google I/O 2017 af administrerende direktør Sundar Pichai. Hovedprojekterne i Google AI inkluderer

• Servering af skybaserede TPU'er (tensorbehandlingsenheder) for at udvikle software til maskinindlæring.
• Udvikling af TensorFlow.
• TensorFlow Research Cloud vil give forskere en gratis klynge på tusind cloud-TPU'er til at udføre maskinlæringsforskning på, forudsat at forskningen er open source, og de lægger deres resultater og offentliggør den i en peer-reviewed videnskabelig tidsskrift.
• Portal til tusindvis af forskningspublikationer fra Google-medarbejdere.
• Magenta: et dybt lærende forskerteam, der udforsker maskinindlæringens rolle som et værktøj i den kreative proces. Holdet har frigivet mange open source-projekter, der giver kunstnere og musikere mulighed for at udvide deres processer ved hjælp af AI.
• Sycamore: en 54-Qubit programmerbar kvanteprocessor.

Et andet projekt er Google Brain. Det er et dybt lærende forskningshold for kunstig intelligens hos Google, der blev dannet i begyndelsen af ​​2010'erne, der kombinerer åben maskinlæringsforskning med informationssystemer og store databehandlingsressourcer. Google Brain-projektet startede i 2011 som et deltidsforskningssamarbejde mellem Google-stipendiat Jeff Dean, Google-forsker Greg Corrado og Stanford University-professor Andrew Ng. Ng havde været interesseret i at bruge dyb læringsteknikker til at knække problemet med kunstig intelligens siden 2006, og i 2011 begyndte at samarbejde med Dean og Corrado om at opbygge et stort dyb læringssoftwaresystem, DistBelief, oven på Googles cloud computing-infrastruktur. Google Brain startede som et Google X-projekt og blev så succesfuldt, at det blev gradueret tilbage til Google: Astro Teller har sagt, at Google Brain betalte for alle omkostningerne ved Google X. I juni 2012 rapporterede New York Times, at en klynge på 16,000 processorer i 1,000 computere dedikeret til at efterligne nogle aspekter af menneskelig hjerneaktivitet havde med succes trænet sig selv til at genkende en kat baseret på 10 millioner digitale billeder taget fra YouTube-videoer. Siden de første år af projektet har Google Brain avanceret betydeligt og finder mange applikationer i Google AI-produkter.

For at få et glimt af fremskridt, se eksemplet på demonstration af Google Assistant-funktionerne: