گوگل کلود ورتکس AI، یک پلتفرم جدید یادگیری ماشینی مدیریت‌شده را راه‌اندازی می‌کند.

منتشر شده در techcrunch.com به تاریخ ۱۹ می ۲۰۲۱
لینک منبع Google Cloud launches Vertex AI, a new managed machine learning platform – TechCrunch

امروزه درGoogle I/O، Google Cloud از ورتکس AI، یک پلتفرم جدید یادگیری ماشینی مدیریت‌شده که به منظور سهولت استفاده و توسعه مدل‌های هوش مصنوعی برای توسعه‌دهندگان است، خبر داد. این یک اعلام عجیب در I/O است، که تمایل دارد بر روی توسعه‌دهندگان وب و موبایل تمرکز کند و به طور سنتی بسیاری از اخبار Google Cloud را در بر نمی‌گیرد، اما این واقعیت که گوگل تصمیم گرفت امروزVertex را اعلام کند، نشان می‌دهد که چقدر فکر می‌کند این سرویس جدید برای طیف گسترده‌ای از توسعه‌دهندگان مهم است.

راه‌اندازی وروتکس نتیجه کمی درون‌نگری توسط تیم Google Cloud است. کریگ ویلی، مدیر تولید پلتفرم AI Google Cloud، به من گفت: «یادگیری ماشینی در شرکت، از نظر من، در بحران است.» "به عنوان کسی که چندین سال در آن فضا کار کرده است، اگر به بررسی کسب و کار هاروارد یا بررسی‌های تحلیلگر نگاه کنید- هر یک از آنها می‌گوید که اکثریت قریب به اتفاق شرکت‌ها یا سرمایه‌گذاری می‌کنند یا علاقه‌مند به سرمایه‌گذاری در یادگیری ماشینی هستند و از آن ارزشی نمی‌گیرند. این باید تغییر کند. باید تغییر کند."

مطالعه مقاله 3مفهوم کلیدی در یادگیری ماشینی توصیه می‌شود.

ویلی، که مدیر کل سرویسSageMaker AI شرکت AWS از سال ۲۰۱۶ تا ۲۰۱۸ قبل از آمدن به گوگل در سال ۲۰۱۹ بود، اشاره کرد که گوگل و دیگران که قادر بودند یادگیری ماشینی را برای خود ایجاد کنند، مشاهده کردند که چگونه این کار می‌تواند تاثیر تحول‌آمیز داشته باشد، اما او همچنین اشاره کرد که روشی که ابرهای بزرگ شروع به ارائه این خدمات کردند توسط ده‌ها سرویس بود، «که بسیاری از آن‌ها بن‌بست بودند».(از جمله برخی از سرویس های Google). « در نهایت، هدف ما از ورتکس، کاهش زمان رسیدن بهROI برای این شرکت‌ها است، تا اطمینان حاصل شود که آن‌ها نه تنها می‌توانند یک مدل بسازند، بلکه می‌توانند از مدل‌هایی که می‌سازند، ارزش واقعی به دست آورند.»

سپس هدف ازVertex این است که یک پلتفرم بسیار انعطاف‌پذیر باشد که به توسعه‌دهندگان و محققان داده در سطوح مهارتی اجازه می‌دهد تا به سرعت مدل‌ها را آموزش دهند. گوگل می‌گوید برای آموزش یک مدل در مقابل برخی از رقبای خود حدود 80٪خط کد کمتری لازم است، برای مثال، و سپس به آن‌ها کمک می‌کند تا کل چرخه عمر این مدل‌ها را مدیریت کنند.

این سرویس همچنین باVizier، بهینه‌ساز AI گوگل که می‌تواند به طور خودکار پارامترهای بیش از حد را در مدل‌های یادگیری ماشین تنظیم کند، ادغام شده‌است. این امر تا حد زیادی زمان لازم برای تنظیم یک مدل را کاهش می‌دهد و به مهندسان اجازه می‌دهد تا آزمایش‌ها بیشتری انجام دهند و این کار را سریع‌تر انجام دهند.

ورتکس همچنین یک «فروشگاه ویژگی» ارائه می‌دهد که به کاربران خود کمک می‌کند تا ویژگی‌های یادگیری ماشینی و آزمایش‌های Vertex را به اشتراک بگذارند تا به آن‌ها کمک کند تا با انتخاب سریعتر مدل، استقرار مدل‌های خود را برای تولید تسریع کنند.

استقرار توسط یک سرویس نظارت مستمر و خطوط ارتباطی ورتکس، یک برند مجدد از خطوط ارتباطی پلتفرم AI Google Cloud پشتیبانی می‌شود که به تیم‌ها در مدیریت جریان‌های کاری درگیر در آماده‌سازی و تجزیه و تحلیل داده‌ها برای مدل‌ها، آموزش آن‌ها، ارزیابی آن‌ها و استقرار آن‌ها در تولید کمک می‌کند.

برای ارائه طیف گسترده‌ای از توسعه‌دهندگان نقاط ورود درست، این سرویس سه رابط را فراهم می‌کند: یک ابزار کشیدن و انداختن، دفترها برای کاربران پیشرفته و -و این ممکن است کمی شگفت‌انگیز باشد- BigQuery ML، ابزار گوگل برای استفاده از پرسوجوهای SQL استاندارد برای ایجاد و اجرای مدل‌های یادگیری ماشینی در انبار داده BigQuery آن.

اندرو مور، معاون رئیس و مدیر کل ابر هوش مصنوعی و راه‌حل‌های صنعتی در Google Cloud گفت: «ما دو چراغ راهنما در حین ساخت ورتکس هوش مصنوعی داشتیم: دانشمندان و مهندسان داده را از جامه هماهنگ‌سازی خارج کنیم و یک تغییر صنعتی ایجاد کنیم که همه را در مورد خارج کردن هوش مصنوعی از برزخ آزمایشی و تولید در مقیاس کامل جدی کند.» «ما به آنچه که در این پلتفرم با آن مواجه شدیم بسیار افتخار می‌کنیم، چرا که این امر توسعه‌های جدی برای نسل جدیدی از AI را ممکن می‌سازد که دانشمندان و مهندسان داده را قادر می‌سازد تا کار خلاقانه‌ای را انجام دهند.»

این متن با استفاده از ربات مترجم مقاله علم داده ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه می‌تواند دارای برخی اشکالات ترجمه باشد.

مقالات لینک‌شده در این متن می‌توانند به صورت رایگان با استفاده از مقاله‌خوان ترجمیار به فارسی مطالعه شوند.