Google釋出AI Hub和Kubeflow Pipelines幫助企業重用AI資源降低部署門檻

Google發布新的人工智慧服務以及元件，完善自家的產品組合，現在使用者能夠透過AI Hub，簡化探索、分享以及重用人工智慧資源，Google也更新了Kubeflow Pipelines，幫助打包機器學習應用，方便在組織中發布並快速重複進行實驗。而Google還更新了Cloud Video API，以人工智慧強化影片處理功能。

不少企業逐漸在內部流程整合人工智慧，而Google為了要幫助這些企業更容易的導入人工智慧應用，因此釋出一系列工具降低部署門檻，讓人工智慧使用更簡單，並能被更廣泛的被利用。除了早前釋出的AutoML，幫助機器學習專業有限的企業，客製化自己的機器學習模型，同時也有進階解決方案實驗室，讓Google工程師與企業合作，促進人工智慧應用部署。

Google持續新增人工智慧服務，以提升產品組合的完整性。企業有許多資源，如果有人工智慧的幫助，將能讓資源探索、分享以及重用更加的簡單，但是由於缺乏機器學習的知識，而使得這方面應用受阻，現在Google推出AI Hub來填補這些需求。AI Hub是一站式隨插即用機器學習服務，其中包括了工作管線、Jupyter Notebooks以及TensorFlow模組等。

透過AI Hub，企業可以利用Google Cloud AI、Google Research以及其他Google開發的機器學習資源，另外，AI Hub還提供企業私有的安全中心，企業可以上傳組織共享的機器學習資源。Google表示，AI Hub可以讓企業輕鬆的重複使用機器學習工作管線，並部署到GCP生產環境中，或是在混合基礎設施使用Kubeflow Pipeline系統。目前AI Hub仍在Alpha測試，除了這些Google開發的資源和私有共享控制，未來還將擴展到更多資源以及更廣泛的公共內容，範圍將會擴及第三方的解決方案。

除了以AI Hub提供組織探索、共享和重複使用機器學習資源，Google還提供Kubeflow Pipeline，方便企業建構和打包這些資源。Kubeflow是由Google發起的開源專案，能像建置應用程式一樣將機器學習程式打包，以便在組織內供其他用戶重複使用。而Kubeflow Pipeline是一個Kubeflow的新元件，提供一個組合工作臺，以部署和管理可重複使用的端到端機器學習工作流程，使其成為從原形設計到生產的無鎖定混合解決方案，好處是可以執行快速可靠的實驗，讓用戶可以嘗試使用不同的機器學習技術，來確定最適合的方法。

Kubeflow Pipelines可以幫助企業使用利用Google的TensorFlow Extended（TFX）開源函式庫，解決機器學習用於生產的問題，包括模型分析、資料驗證、訓練服務偏差以及資料漂移等。使用者現在可以在GitHub上開始使用Kubeflow Pipelines。

另外，Google還擴展了人工智慧建置模組的功能，包括Beta測試版Cloud Video API的三個功能文字偵測、物件追蹤以及語言轉文字，方便企業解決廣泛應用影片面臨的挑戰。文字偵測可以偵測文字在影片中出現的位置和時間，其支援超過50中語言，讓影片更易於搜尋，而物件追蹤可以辨識影片中超過500類的的物體，第三種功能語言轉文字，則可以讓使用者把影片中的語音轉成文字，建立影片字幕更容易。