امروز در Google I/O Google Cloud Vertex AI را معرفی کرد، یک پلت فرم یادگیری ماشینی مدیریت شده جدید که به منظور آسان تر کردن استقرار و نگهداری مدل های هوش مصنوعی برای توسعه دهندگان است. این یک اعلامیه عجیب در I/O است، که تمایل دارد بر توسعه دهندگان موبایل و وب تمرکز کند و به طور سنتی اخبار Google Cloud زیادی را نشان نمی دهد، اما این واقعیت که گوگل تصمیم گرفت امروز Vertex را معرفی کند، نشان می دهد که چقدر فکر می کند این سرویس جدید برای طیف گسترده ای از توسعه دهندگان مهم است.
راه اندازی Vertex نتیجه کمی درون نگری توسط تیم Google Cloud است. کریگ ویلی، مدیر مدیریت محصول پلتفرم هوش مصنوعی Google Cloud، به من گفت: «یادگیری ماشینی در شرکت در بحران است. “به عنوان کسی که چندین سال در این فضا کار کرده است، اگر به بررسی کسب و کار هاروارد یا بررسی تحلیلگران نگاه کنید، یا هر کدام از آنها می گویند که اکثریت قریب به اتفاق شرکت ها یا سرمایه گذاری می کنند یا علاقه مند به سرمایه گذاری در یادگیری ماشین هستند و از آن ارزشی نمی گیرند. این باید تغییر کند. باید تغییر کند.”
ویلی که از سال 2016 تا 2018 قبل از آمدن به گوگل در سال 2019 مدیر کل سرویس هوش مصنوعی SageMaker AWS بود، خاطرنشان کرد که گوگل و دیگرانی که توانستند یادگیری ماشینی را برای خود کار کنند، دیدند که چگونه می تواند تأثیر تحول آفرینی داشته باشد، اما او همچنین خاطرنشان کرد که روشی که ابرهای بزرگ شروع به ارائه این خدمات کردند، راه اندازی ده ها سرویس بود. به گفته او “بسیاری از آنها بن بست بودند” (از جمله برخی از خود گوگل). “در نهایت، هدف ما از Vertex کاهش زمان بازگشت سرمایه برای این شرکت ها است، تا اطمینان حاصل کنیم که آنها نه تنها می توانند یک مدل بسازند، بلکه از مدل هایی که می سازند ارزش واقعی کسب کنند.”
سپس Vertex قرار است یک پلت فرم بسیار انعطاف پذیر باشد که به توسعه دهندگان و دانشمندان داده در سطوح مهارت اجازه می دهد تا به سرعت مدل ها را آموزش دهند. گوگل می گوید برای آموزش یک مدل در مقایسه با برخی از رقبای خود، حدود 80 درصد خطوط کد کمتری لازم است و سپس به آنها کمک می کند تا کل چرخه عمر این مدل ها را مدیریت کنند.
این سرویس همچنین با Vizier، بهینه ساز هوش مصنوعی گوگل که می تواند به طور خودکار هایپرپارامترها را در مدل های یادگیری ماشین تنظیم کند، یکپارچه شده است. این امر زمان لازم برای تنظیم یک مدل را تا حد زیادی کاهش می دهد و به مهندسان اجازه می دهد آزمایش های بیشتری را انجام دهند و این کار را سریعتر انجام دهند.
Vertex همچنین یک “فروشگاه ویژگی” ارائه می دهد که به کاربران خود کمک می کند تا ویژگی های یادگیری ماشین و Vertex Experiments را ارائه دهند، به اشتراک بگذارند و دوباره از آنها استفاده کنند تا به آنها کمک کند تا استقرار مدل های خود را برای تولید با انتخاب مدل سریعتر تسریع کنند.
استقرار توسط یک سرویس نظارت مستمر و Vertex Pipelines، تغییر نام تجاری خطوط لوله پلتفرم هوش مصنوعی Google Cloud پشتیبانی می شود که به تیم ها کمک می کند گردش کار مربوط به آماده سازی و تجزیه و تحلیل داده ها را برای مدل ها مدیریت کنند، آنها را آموزش دهند، ارزیابی کنند و آنها را برای تولید مستقر کنند.
برای ارائه نقاط ورود مناسب به طیف گسترده ای از توسعه دهندگان، این سرویس سه رابط را ارائه می دهد: یک ابزار کشیدن و رها کردن، نوت بوک ها برای کاربران پیشرفته و – و این ممکن است کمی تعجب آور باشد – BigQuery ML، ابزار گوگل برای استفاده از کوئری های استاندارد SQL برای ایجاد و اجرای مدل های یادگیری ماشین در انبار داده BigQuery.
اندرو مور، معاون رئیس جمهور و مدیر کل Cloud AI و راه حل های صنعتی در Google Cloud، گفت: «ما هنگام ساخت هوش مصنوعی Vertex دو چراغ راهنما داشتیم: دانشمندان و مهندسان داده را از علف های هرز ارکستراسیون خارج کنید و یک تغییر در سراسر صنعت ایجاد کنید که باعث می شود همه در مورد انتقال هوش مصنوعی از برزخ آزمایشی و به تولید در مقیاس کامل جدی شوند. ما به آنچه در این پلتفرم به دست آوردیم بسیار افتخار می کنیم، زیرا امکان استقرار جدی برای نسل جدیدی از هوش مصنوعی را فراهم می کند که دانشمندان و مهندسان داده را برای انجام کارهای رضایت بخش و خلاقانه توانمند می کند.
