Google Cloud מנגישה לארגונים את השימוש בבינה מלאכותית
Google Cloud הכריזה על מספר חידושים בתחום הבינה המלאכותית, כחלק ממשימתה להפוך את השימוש ב-AI ליותר פשוט, מהיר ומועיל עבור ארגונים בכל העולם.
חברות בכל מגזרי התעשייה מנסות להשתמש בבינה מלאכותית, אבל רבות מהן נתקלות בקשיים ונרתעות. Google Cloud פועלת להנגשת השימוש בבינה מלאכותית עבור כל העסקים ולהקטנת חסמי הכניסה לתחום. בהתאם לכך, החברה מקפידה לפתח את הכלים והיכולות שהיא מציעה בתחום זה על שלושה יסודות: כלים פשוטים – שיותר ארגונים יוכלו לאמץ אותם; פתרונות שימושיים – שיתאימו למגוון רחב של ארגונים; ופתרונות מהירים – שעסקים יוכלו להשתפר בעזרתם יותר מהר ובקלות.
מוקדם יותר השנה השיקה Google Cloud את AutoML, כדי לעזור לארגונים בעלי ידע מוגבל בלימוד מכונה לבנות מודלים של ML המותאמים לצרכיהם. בנוסף, החברה משקיעה בהכשרות ובהסמכות המאפשרות לאנשי לימוד מכונה להרחיב את היכולות המקצועיות שלהם, ואף מציעה לארגונים משאבים ייחודיים כמו Advanced Solutions Lab, שמאפשר לשתף פעולה ישירות עם המהנדסים של גוגל. יוזמות אלה ואחרות של Google Cloud עזרו להרחיב את היקפי האימוץ של הבינה המלאכותית בארגונים גדולים, וכיום יש יותר מ-15 אלף ארגונים במגוון תעשיות שמשתמשים בכלי ה-AI שלה.
מקור: Google Cloud
דרך נוספת בה פועלת Google Cloud להפיכת כלי בינה מלאכותית ליותר פשוטים, שימושיים ומהירים היא בסיוע למדעני נתונים לשפר את האפקטיביות של עבודתם. על אף שיש בעולם כ-20 מיליון מפתחי תוכנה, יש רק שני מיליון מדעני נתונים. אלה זקוקים לכלים ייעודיים שיאפשרו להם לייעל את עבודתם, והארגונים שלהם זקוקים לדרכים טובות יותר לניצול ולהנגשת עבודתם לשאר המפתחים והמהנדסים בחברה. המוצרים החדשים ש-Google Cloud השיקה בסוף השבוע עושים בדיוק את זה. להלן פירוט שלהם:
AI Hub: הופך את ה-AI לפשוט יותר
AI Hub נועד לענות על המחסור בידע מקצועי בתחום לימוד המכונה בארגונים. למעשה, AI Hub הוא מקור אחיד לתכנים וידע בתחום, כולל Pipelines ,Jupyter notebooks ,TensorFlow modules ועוד. הוא מציע שתי תועלות עיקריות: הראשונה היא הנגשת משאבי לימוד מכונה איכותיים שפותחו בידי Google Cloud AI ו-Google Research, והפיכתם לזמינים לשימוש כל הארגונים. כמו כן, AI Hub מאפשר לארגונים להעלות בצורה פרטית ומאובטחת משאבי ML ולשתפם עם גורמים פנימיים בארגון, לפי בחירתם. הדבר מאפשר לארגונים לעשות בקלות שימוש חוזר ב-Pipelines ולהעביר אותם לייצור ב-GCP או בתשתיות היברידיות בעזרת Kubeflow Pipeline בכמה צעדים פשוטים.
כל המתואר לעיל זמין 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 לימוד מכונה, 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 הינו רכיב חדש של Kubeflow, פרויקט קוד פתוח פופולרי שגוגל התחילה, ש-"אורז" קוד של לימוד מכונה ממש כמו בבניית אפליקציה ומאפשר למשתמשים נוספים בארגון לעשות בו שימוש חוזר. Kubeflow Pipelines מאפשר לפתח, לפרוש ולנהל תהליכי ML מקצה לקצה, ולקבל פתרון פתוח והיברידי, משלב הפרוטוטייפינג ועד לייצור. הוא גם מאפשר ניסוי וטעייה, כדי שמשתמשים יוכלו לנסות טכניקות לימוד מכונה 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 באחרונה שלושה פיצ'רים חדשים (בגרסת בטא) ל-Cloud Video API, הפותרים כמה מהאתגרים הנפוצים בארגונים שמרבים להשתמש בתכני וידיאו. הפיצ'ר הראשון, Text Detection, יודע לזהות היכן ומתי מופיע טקסט בתוך הווידיאו ומקל על חיפוש קבצי וידיאו בהתאם. הוא זמין כרגע ב-50 שפות, כולל עברית; הפיצ'ר השני, Object Tracking, מאפשר זיהוי אוטומטי של יותר מ-500 סוגי חפצים בתכני וידיאו; והפיצ'ר השלישי, Speech Transcription for Video, מסוגל לתמלל תכני וידיאו ומקל מאוד על הפקה ועריכת כתוביות, ואף מאפשר חיפוש ואיתור מהיר של קבצי וידיאו בהתאם.
ניתן ללמוד עוד על אבני הבניין של Google Cloud לתחום ה-AI באתר.
