Google推全新托管机器学习平台Vertex AI,减少了AI模型中80%的程序代码量!

Google在最近的开发者大会Google I/O上发布了Vertex AI,这是一个全新的托管式机器学习平台,将AutoML、AI Platform集成到统一的API、客户端库和用户接口中。

Vertex AI,可视为Google对现有人工智能平台的品牌重塑,也会涵盖到MLOps服务来简化机器学习开发流程,等同于亚马逊SageMaker等市场既有服务的竞争对手,目的是帮助开发人员利用Google的AI工具,更快部署、维护AI模型。

Vertex AI颠覆现有机器学习服务,减少AI模型中80%的程序代码量

Vertex AI的推出,是Google Cloud团队经过大量反复省思迭代的结果,Craig Wiley,Google Cloud AI平台产品管理总监表示:“在我看来,企业的机器学习正处于危机之中”。

他认为,市场对于机器学习的认知和使用方式,必须有所改变,否则最后都会走入死胡同。曾任职于AWS SageMaker AI服务总经理的他也强调,这次推出Vertex AI的一大目标是缩短这些企业实现投资回应的时间,确保模型构建的效率跟价值。

具备不同知识和技能水平的开发人员、资料科学家,可以通过Vertex这一平台快速训练模型。据Google所述,和一些竞争对手相比,训练模型所需的程序行数减少了约80%,并且全面导入MLOps来管理这些模型的完整生命周期。

为了给各式各样的开发人员正确的切入点,Vertex服务提供了三个接口:拖拉工具、高端用户Notebook开发环境,以及BigQuery ML—Google旗下使用标准SQL查询,以便在自家BigQuery数据仓库创建并执行机器学习模式的工具。

具体来说,Vertex AI有什么特征呢?

特征1:支持开源框架

Vertex AI支持许多开源框架,包含TensorFlow、PyTorch和Scikit-Learn,通过用于训练和预测的自定义容器支持众多机器学习框架。

特征2:贯穿ML工作流程的统一UI

在统一的UI和API之下,连接Google Cloud服务用于机器学习构建,开发人员可以使用AutoML或自定义程序代码来训练或比较模型,中央模型存储库包含了可以部署到相同端点的所有模型。

特征3:预训练API

Vertex AI拥有用于视觉、自然语言、视频的预训练API,可以整合到现有的应用程序中,也能跨使用案例构建新应用程序,例如Translation和Speech to Text。

AutoML让开发人员根据项目需求训练高品质模型,例如,开发人员可以提供给Vertex一个预算,系统就会在该预算范围内训练出最好的模型。

特征4:一体化

开发人员可以利用BigQuery ML在现有工具和表格上使用标准SQL查询来创建和执行机器学习模型。或者,可以将数据集从BigQuery导出到Vertex AI,有利于在数据到整个AI生命周期进行一体化集成。

一系列的MLOps工具,Vertex AI全面简化AI模型开发工作

平台服务还集成了Google的AI优化器Vizier,可以自动调整机器学习模型中的超参数,这有助减少调整模型所需的时间,让工程师更有效运行更多测试实验。

“特征存储”(Feature Store)的功能,可让开发人员使用、共享和重复利用机器学习特征和实验,以帮助他们加快模型选择流程,并部署到生产环境中。

据Google所述,Vertex AI平台相较于竞品,只需要约20%程序代码就可训练模型,且就算用户没有经过正式的ML培训,缺乏专业知识,依然可以使用此平台,因为其中提供了机器学习所需的相关MLOps工具,从管理资料、开发雏形、进行实验、部署模型、解释模型,到进行监控,都可以相对简易上手。

“在构建Vertex AI时,我们有两个目的:让资料科学家和工程师摆脱Coding的繁冗,再创造产业的转变,让每个人都认真考虑将AI从前期测试的炼狱中跳转到全面生产。”Google云计算人工智能和产业解决方案副总裁Andrew Moore说,“我们对于这个平台感到非常有信心,因为它可以为新一代人工智能进行认真的部署,这将赋给资料科学家和工程师能力,去执行有成就感、创造性的工作。”

数据源:《TechCrunch》、《AIM》、Google Cloud Blog

发表评论