あらゆる企業に手頃なAI:Cloud AutoML

画像



こんにちは、Habr! 今日、情報はクラウドAIのR&D責任者であるJia Leeによって共有されています。 Giaとチームは、非専門家でもAIを使いやすくアクセスしやすくしました。 コンピューターがかつてすべての家に来たように、AIがすべてのビジネスに来て、Cloud AutoMLがどのように見え、どのように見えるかを読むことを願っています。







Faye-Faye(クラウドAI、主任研究員)が1年前にGoogle Cloudに参加したとき、私たちの目標は、最大数の開発者、研究者、起業家、および企業がAIにアクセスできるようにすることでした。 Google Cloud AIチームはこれを達成するために多くのことを行ってきました。 2017年に、 Google Cloud Machine Learning Engineを導入して、業界の開発者があらゆるタイプおよびサイズのデータ​​を処理できるモデルを作成できるようにしました。 事前にトレーニングされたモデルに基づいて作成されたVision、Speech、NLP、Translation、DialogFlowなどのさまざまなAPIなどの最新の機械学習サービスが、ビジネスアプリケーションの拡張と高速化にどのように役立つかを示しました。 データ処理および機械学習の研究者のコミュニティであるKaggleは、100万人を超えるメンバーに成長しました。 そして現在、AIを使用するGoogle Cloudサービスは、 BoxRolls Royce MarineKewpieOcadoを含む10,000社以上の企業で使用されています。







しかし、私たちにはさらに多くの能力があります。 現在、機械学習とAIの開発に従事するのに十分な従業員と予算を持っているのは、世界の少数の企業だけです。 高度な機械学習モデルを作成できるものはほとんどありません。 また、会社がAIおよびMLの分野のエンジニアと協力している場合でも、独自のカスタム機械学習モデルを開発する時間のかかるプロセスを構築する必要があります。 また、Googleは特定のタスクを完了するために事前にトレーニングされたモデル基づいたAPI 既に提供していますが、誰でもAIにアクセスできるようにするためにやるべきことが多く残っています。







このギャップを埋めるために、AIをあらゆるビジネスにアクセス可能にする製品であるCloud AutoMLを導入します。 Cloud AutoMLのおかげで、機械学習の専門知識がほとんどない企業は、 learning2learntransfer learningなどのGoogleの高度な技術を使用して独自のモデルを作成できます。 Cloud AutoMLのおかげで、AIスペシャリストがより効率的に作業し、知識の新しい応用分野を開発し、経験の浅い開発者が、かつて夢にも思わなかったAIに基づいた独自の強力なシステムを作成できるようになることを願っています。







Cloud AutoMLの仕組みに関する小さなgif







最初に導入するCloud AutoML製品はCloud AutoML Visionです。 これにより、シンプルなドラッグアンドドロップインターフェースを使用して画像をアップロードし、モデルのトレーニングと管理を行い、これらのモデルをGoogle Cloudで直接使用できます。 最初の結果は、以前に使用した以前のモデルと比較して、画像認識の大幅な改善を示しました。 このフォームからCloud AutoML Visionへのアクセスをリクエストできます。







従来の機械学習APIに対するCloud AutoML Visionの利点:











AutoMLVisionは、企業全体で機械学習を合理化する最初のCloud AutoML製品です。 これは、Google BrainとMachine Perceptionチーム間の緊密なコラボレーションの結果です。 AIアクセシビリティに取り組み始めたばかりですが、10,000人以上のお客様が既にクラウドAI製品を使用していることを強くお勧めします。 Cloud AutoMLがより多くの企業がAI機能を評価するのに役立つことを願っています。







AutoML Visionを試してみたい場合は、特別なフォームからアクセスをリクエストできます







研究および科学記事へのリンク:

[1] スケーラブルな画像認識のための転送可能なアーキテクチャの学習 、Barret Zoph、Vijay Vasudevan、Jonathon Shlens、およびQuoc V. Le。 Arxiv、2017年。







[2] プログレッシブニューラルアーキテクチャ検索 、チェンシーリュー、バレットゾフ、ジョナソンシュレンズ、ウェイフア、リージアリー、リーフェイフェイ、アランユイユ、ジョナサンファン、ケビンマーフィー、2017年







[3] 画像分類器の大規模な進化 、エステバンリアル、シェリームーア、アンドリューセル、サラブサクセナ、末松レオンレオン、クォックル、アレックスクラキン。 2017年の機械学習に関する国際会議。







[4] 強化学習によるニューラルアーキテクチャ検索 、バレットゾフ、Quoc V. Le。 学習表現に関する国際会議、2017。







[5] Inception-v4、Inception-ResNet、および学習への残留接続の影響 、Christian Szegedy、Sergey Ioffe、Vincent Vanhoucke、およびAlex Alemi。 AAAI、2017年。







[6] より良いデザートのベイジアン最適化 、ベンジャミンソルニク、 ダニエルゴロビングレッグコチャンスキージョンエリオットカロサブホディープモイトラD。スカリー NIPS、2017年のベイジアン最適化に関するワークショップ








All Articles