בסוף השבוע הכריזה Google Cloud על מספר חידושים בתחום ה-AI, כחלק ממשימתה להפוך את השימוש בבינה מלאכותית ליותר פשוט, מהיר, ומועיל עבור ארגונים בכל העולם.
בכל מגזרי התעשייה חברות מנסות לנצל את הבינה המלאכותית (AI), אבל רבות מהן נרתעות מאימוץ מלא של טכנולוגיה זו. Google Cloud פועלת להנגשת השימוש ב-AI עבור כל העסקים, ולהקטין את חסמי הכניסה לתחום. לכן כל הכלים והיכולות שמציעה Google Cloud בתחום ה-AI מתבססים על שלושה יסודות: כלים פשוטים, שיותר ארגונים יוכלו לאמץ אותם; פתרונות שימושיים, שיתאימו למגוון רחב של ארגונים; ופתרונות מהירים, שעסקים יוכלו לחזור ולהשתפר בעזרתם מהר יותר.
מוקדם יותר השנה Google Cloud השיקה את AutoML כדי לעזור לארגונים עם ידע מוגבל בלימוד מכונה לבנות מודלים של ML המותאמים לצורכיהם. בנוסף, החברה משקיעה בהכשרות והסמכות המאפשרים לאנשי ML להרחיב אתת היכולות המקצועיות ואף מציעה לארגונים משאבים ייחודיים כמו Advanced Solutions Lab שמאפשר לשתף פעולה ישירות עם המהנדסים של גוגל. יוזמות אלו ואחרות של Google Cloud עזרו להרחיב את היקפי האימוץ של AI בארגונים גדולים, וכיום יש מעל 15,000 ארגונים במגוון תעשיות שונות, אשר משתמשים בכלי ה-AI של Google Cloud.
דרך נוספת בה פועלת Google Cloud להפיכת כלי AI ליותר פשוטים, שימושיים ומהירים, היא בסיוע למדעני נתונים לשפר את האפקטיביות של עבודתם. למרות שבעולם יש כ-20 מיליון מפתחי תוכנה, ישנם רק 2 מיליון מדעני נתונים. אלה זקוקים לכלים ייעודיים שיאפשרו להם לייעל את עבודתם, והארגונים שלהם זקוקים לדרכים טובות יותר לניצול ולהנגשת עבודתם של מדעני הנתונים לשאר המפתחים והמהנדסים בחברה. המוצרים החדשים ש-Google Cloud השיקה בסוף השבוע עושים בדיוק את זה –
AI Hub: הופך את ה-AI לפשוט יותר
ההכרזה של Google Cloud על AI Hub נועדה לענות על המחסור הקיים בידע מקצועי בתחום ה-ML בארגונים. למעשה, AI Hub הוא מקור אחד לתכנים וידע בתחום, כולל pipelines, Jupyter notebooks, TensorFlow modules ועוד. הוא מציע שתי תועלות עיקריות: הראשונה היא הנגשת משאבי ML איכותיים שפותחו בידי צוותים של גוגל, Google Cloud AI ו-Google Research, והפיכתם לזמינים לשימוש כל הארגונים. כמו כן, AI Hub מאפשר לארגונים להעלות בצורה פרטית ומאובטחת משאבי ML ולשתף עם גורמים פנימיים בתוך הארגון, על פי בחירתם. הדבר מאפשר לארגונים לעשות בקלות שימוש חוזר ב-pipelines ולהעביר אותם ל-production ב-GCP או בתשתיות היברידיות בעזרת Kubeflow Pipeline בכמה צעדים פשוטים.
כל המתואר לעיל זמין כבר בגרסת אלפא, בעוד שגרסת הבטא תכלול גם משאבים ונכסי מידע נוספים, ומגוון רחב יותר של תוכן ציבורי ופתרונות של שותפי Google Cloud.
Kubeflow Pipelines ועדכוני API עבור וידיאו: הופכים את ה-AI לשימושי יותר
ב-Google Cloud מאמינים שלא מספיק לתת לארגונים מקום שבו הם יכולים לגלות, לשתף ולהשתמש במשאבי ML, אלא הם צריכים גם דרך שימושית לבנות ולארוז אותם כך שיהיו שימושיים ככל שאפשר עבור כמה שיותר משתמשים פנימיים בארגון – כלומר מהנדסים ומפתחי תוכנה. זו בדיוק המטרה של Kubeflow Pipelines.
Kubeflow Pipelines הם רכיב חדש של Kubeflow, פרויקט קוד פתוח פופולרי שגוגל התחילה, אשר "אורז" קוד של ML ממש כמו בבניית אפליקציה, כך שמשתמשים נוספים בארגון יוכלו לעשות בו שימוש חוזר.Kubeflow Pipelines מאפשר לפתח, לפרוש ולנהל תהליכי ML מקצה-לקצה ולקבל פתרון פתוח והיברידי משלב ה- prototypingעד ה-production. הוא גם מאפשר ניסוי וטעיה כדי שהמשתמשים יוכלו לנסות טכניקות ML שונות עד שיזהו איזו מהן הכי מתאימה לאפליקציה שלהם.
בנוסף, Google Cloud ממשיכה להרחיב את יכולות אבני הבניין שלה בתחום ה-AI, על מנת להפכם ליותר שימושיים עבור ארגונים גדולים. החברה השיקה לאחרונה שלושה פיצ'רים חדשים (בטא) ב-Cloud Video API, לפתרון כמה מהאתגרים הנפוצים של ארגונים שמרבים לעבוד עם תכני ווידיאו. הפיצ'ר הראשון, Text Detection, יודע לזהות היכן ומתי מופיע טקסט בתוך הווידיאו ומקל בכך על חיפוש קבצי ווידיאו בהתאם. זמין כרגע בחמישים שפות שונות כולל עברית. הפיצ'ר השני, Object Tracking, מאפשר זיהוי אוטומטי של יותר מ-500 סוגי חפצים בתכני ווידיאו. הפיצ'ר השלישי, Speech Transcription for Video, מסוגל לתמלל תכני ווידיאו ובכך מקל מאוד על הפקה ועריכת כתוביות, ואף מאפשר חיפוש ואיתור מהיר וקל של קבצי ווידיאו בהתאם. ניתן ללמוד עוד על אבני הבניין של Google Cloud לתחום ה-AI באתר.