Tag: AutoML

在Google Cloud NEXT 2018首日演講中，Google透過首席科學家李飛飛強調投入人工智慧發展的重要性，以及Google目前在人工智慧技術應用所依循原則。 而在強調雲端平台運算能力之餘，李飛飛更再次說明Google將推出自行設計的第三代TPU，藉此對應更龐大的數據運算量。不過，Google依然未具體說明第三代TPU詳細數據，從先前在Google I/O 2018公布內容，顯示第三代TPU是以第二代為基礎加上水冷系統驅熱，藉此對應高達100PFLOPS的運算量所產生熱能。 同時，李飛飛強調人工智慧技術發展並非為了取代人類工作，而是能讓人類工作效益提昇，因此強調推動人工智慧技術成長非但不會造成失業等問題，更能創造更多發展機會。 以先前在Google Cloud服務增加名為AutoML的應用項目為例，李飛飛表示目前將以開放測試形式供各種規模企業使用，同時也將加入自然語言理解與翻譯應用，藉此打造可應用Duplex技術的虛擬客服回應系統，使企業端能透過此項系統打造對應各種產業客服需求的第一道服務，先由虛擬客服系統解決大多數的來電需求，一旦消費者有更深層的問題或需要更進一步互動時，即可由虛擬客服系統轉給真實的客服人員接手，並且完成顧客提出需求項目。 在這樣的流程中，Google將會透過Duplex相關技術，讓顧客在第一時間先與虛擬客服系統通話時感覺自然，同時讓虛擬客服系統可以透過自然語言理解，確實明白顧客實際需求，至於對應什麼樣的服務細節就必須由企業端事先進行訓練，如此才能讓虛擬客服系統知道如何與顧客溝通，如此一來即可讓企業透過虛擬客服系統改善原本客服人力不足情況，同時也減少更多人力分配成本，以及時間耗損情況。 為了讓更多企業能順利導入人工智慧，Google在AutoML設計中更強調無需專業技術背景也能操作，基本上使用者僅需將資料上傳至Google Cloud，並且透過AutoML應用項目將資料逐一分類且自動建立學習模型，系統便會透過Cloud Compute Engine、TPU運算等資源，以及Google Cloud Vision API等電腦視覺應用資源與TensorFlow學習框架進行深度學習，藉此達成數據分析或行為學習等目的。

針對內容管理、消費通路、醫療照護或保險業務等應用需求，Google宣布在旗下雲端服務Google Cloud增加名為AutoML的應用項目，讓使用者即便不具備高超技術背景也能輕易建立學習模型，透過將資料上傳至Google Cloud服務內，即可透過Cloud Compute Engine資源逐一將資料分類，並且自動建立學習模型進行分析，藉此達成深度學習成效。 過去談到深度學習，幾乎就會令人聯想到複雜的電腦運算、難以理解的學習模型架構，而為了讓更多服務也能便利地取得深度學習技術應用資源，Google在旗下雲端服務Google Cloud內加入名為AutoML的應用項目，讓使用者能以更簡單方式建立學習模型，進而可將深度學習套用在旗下服務內容，例如Urban Outfitters、迪士尼、英國皇家學會 (ZSL)等在內零售通路、娛樂事業或研究機構都已與Google合作，並且在相當早期時間內藉由AutoML分析管理旗下資料內容。 根據Google說明，由於目前各類服務內容均以數據為重，如何在眾多資料中找出有用數據，同時如何落實管理旗下分散內容將成為發展重心，但因為培育專業技術人才對於許多內容管理、消費通路、醫療照護或保險業務機構並不容易，而此類資料委託外部單位處理也難免有隱私內容外洩等風險，因此藉由Google Cloud服務運算資源協助，透過AutoML應用項目讓這些單位能自行建構資料學習模型，進而可從眾多管理內容找出有價內容，藉此讓本身服務運作能具體成長。 以AutoML形式來看，使用者僅需將資料上傳至Google Cloud，並且透過AutoML應用項目將資料逐一分類且自動建立學習模型，系統便會透過Cloud Compute Engine、TPU運算等資源，以及Google Cloud Vision API等電腦視覺應用資源與TensorFlow學習框架進行深度學習，藉此達成數據分析或行為學習等目的，使得過往需要在眾多資料中挖掘有用資訊的應用服務變得更具效率。 相比先前基於Google Cloud的深度學習應用採以量計價方式使用，Google為了吸引更多人使用AutoML應用項目，現階段將採免費使用形式提供服務 (先決條件是必須租用Google Cloud服務)，但未來是否將比照既有深度學習應用以量計費，目前還無法確定。 至於推出此項服務是否有利於新興國家市場如印度境內產業成長，就Google的看法認為確實有其可能性，但主要還是以不同產業服務內容為重，以Google Cloud本身是面向全球推廣服務項目來看，此次推出的AutoML應用項目其實對缺乏專業技術人才的服務內容均有顯著幫助，並且能提供客製化學習應用。 而對於AutoML項目是否也能應用在複雜運算的環境分析，或是自動駕駛學習，Google雲端人工智慧與機器學習首席科學家李飛飛在受訪時說明確實有其可能，但由於環境分析與自動駕駛等複雜運算項目必須有更高精準度，因此建議還是會使用更專門的學習模式，藉此確保學習成果的精確表現，避免造成意外。