除了Container技術,Next大會的另一個焦點技術就是機器學習。繼去年Google將機器學習引擎TensorFlow開源之後,現在更進一步,Google推出了機器學習雲端服務。
Google研究團隊資深院士Jeff Dean表示:「如何理解和運用資料的方式,能決定你成功的深度。」這位在Google Brain團隊帶頭研究深度學習技術的專家是Google最重要的研發人才之一。
他是MapReduce技術的發明人之一,這正是大資料分析平臺Hadoop的核心演算法。他也設計了Google五代檢索、索引與搜尋服務系統,還有Google賴以為生的原生廣告與AdSense內容廣告系統,甚至還有分散式運算的基礎架構。現在,Jeff Dean正全力研究大規模分散式系統上的機器學習技術,TensorFlow正是他率領Google Brain團隊打造的其中一項成果。他對機器學習技術發展的看法,最能反映出Google機器學習技術未來的發展方向。
Jeff Dean認為,機器學習技術可以幫助企業,從結構化和非結構化資料中抽取出有價值的趨勢,進而降低維運負擔也能改善商業運作。
Google從2012年初開始在內部專案中使用機器學習技術,2014年擁抱機器學習的專案量更快速成長,至今超過1,500個內部專案採用,除了AlphaGo以外,還有地圖服務、相片服務、Gmail、語音辨識、Android、YouTube、翻譯、機器人研究、自然語言研究、醫藥研發等專案。
Google想要打造的機器學習技術,Jeff Dean表示,想要滿足三類使用者,一種是擁有高度機器學習專業能力的專家,來訓練他們自有的機器學習模型,第二種是服務那些需要簡單易用介面,不需要高度機器學習專業的應用程式開發者,讓他們可以善用那些已經預先訓練好的機器學習模型,來打造出更聰明的應用程式。最後一種是介於兩者之間的角色,也就是資料科學家們,讓他們方便在自己的資料上運用成熟的機器學習模型,進行即時或批次的預測。
去年11月,Google開源釋出了自家第二代機器學習引擎TensorFlow,這是一個可以本地端、雲端或甚至在行動裝置上執行的機器學習引擎,引發了業界震撼,在今年Next大會中,Google更進一步推出了以TensorFlow為核心打造的機器學習雲端服務Cloud Machine Learning(或簡稱Cloud ML)測試版,也釋出了以機器學習技術打造的Cloud Vision API的Beta測試版、雲端語音辨識API的Alpha測試版以及雲端翻譯API正式版。Jeff Dean表示,這只是開始,將會在雲端提供更多機器學習API。
Google雲端平臺產品管理總監Fausto Ibarra表示,機器學習雲並非是一個獨立的Google服務,而是Google雲端資料平臺的一環。
Fausto Ibarra表示,這個資料平臺可以提供從雲端資料庫、儲存服務、資料處裡服務到分析服務、進階分析智慧、探索和協助技術的總和,Cloud ML正是進階分析智慧的關鍵平臺。而當前主要目標,將會鎖定常見的4大雲端資料應用模式,包括了App開發所需、資料儲存與歸檔、大資料分析以及機器學習應用所需,針對開發者、資料科學家和商業分析人員的需求來打造。
相關報導
熱門新聞
2024-12-08
2024-12-10
2024-12-10
2024-12-10
2024-11-29
2024-12-08