Mettere a disposizione del numero maggiore possibile di aziende le tecnologie di data analytics e machine learning.
È questa l’indicazione che arriva, in occasione di Google Cloud Next 2018, da Rajen Sheth, Director of Product Management. La maggior parte delle aziende già vede il valore dell’intelligenza artificiale e più del 60% è in procinto di adottarla. Ma cosa ferma quell’altro 40 percento? Ed è ancora Rajen Sheth a illustrare la visione di Google al riguardo.
Quello che Google ha rilevato lavorando con centinaia di imprese, è che l’utilizzo dell’IA si riduce alla semplicità e all’utilità. Le aziende necessitano di strumenti semplici e familiari e devono essere in grado di applicarli direttamente alle loro sfide peculiari. Per rispondere a queste esigenze, Google sta apportando una serie di aggiornamenti ai servizi di data analytics e Cloud AI. Update volti a rendere l’AI più semplice e utile, a metterla nelle mani di quante più imprese e sviluppatori possibile.
BigQuery ML per il machine learning
Per molte aziende, ci sono ostacoli significativi alla costruzione della pipeline di analytics necessaria per l’intelligenza artificiale. La creazione di un team interno di esperti di dati è impraticabile per molti. I data analyst, tipicamente formati in SQL, non sempre hanno familiarità con processi e linguaggi utilizzati per il machine learning. I flussi di lavoro che comportano lo spostamento dei dati da un data warehouse aziendale possono essere lunghi e costosi.
Per affrontare queste sfide, Google annuncia BigQuery ML, disponibile in versione beta. BigQuery ML pone la potenza dei predictive analytics alla portata di milioni di utenti, anche quelli senza un background scientifico.
Portando il machine learning dove i clienti già memorizzano i propri dati, BigQuery ML li aiuta a creare e distribuire rapidamente modelli. Accelerando così il tempo necessario per introdurre sul mercato nuovi prodotti o servizi. I clienti possono eseguire modelli su scala su dataset di grandi dimensioni. E possono fare tutto ciò usando semplici comandi SQL. Non sono dunque gli utenti che devono avvicinarsi all’AI. Ma è l’AI che viene portata là dove vengono conservati i dati. In tal modo si semplifica il flusso di lavoro necessario per creare funzioni evolute di machine learning.
Maggiori informazioni su BigQuery ML sono disponibili sul blog di data analytics di Google.
Altre novità su machine learning e intelligenza artificiale
Le aziende hanno spesso bisogno della libertà di eseguire training e deploy con diversi framework ML. Cloud ML Engine ora supporta sia l’addestramento dei modelli che le analisi predittive tramite scikit-learn e XGBoost. Inoltre Cloud Deep Learning VM Image offre immagini VM preconfigurate. Permette in tal modo di poter iniziare un proprio progetto ML utilizzando TensorFlow, scikit-learn e PyTorch su Google Cloud.
Google rimane impegnata nel software open source e supporta molti standard open per data analytics e machine learning. L’anno scorso l’azienda ha annunciato Kubeflow, per rendere più semplice l’uso di stack software di machine learning come TensorFlow, Scikit-Learn e altri. Kubeflow v0.2 è ora disponibile. Presenta un’interfaccia utente migliorata per navigare tra i componenti e numerosi miglioramenti al monitoraggio e alla creazione di report. Maggiori informazioni sono disponibili qui.
Tutta la piattaforma AI Google è basata sulla infrastruttura ad alte prestazioni che va dalle reti globali ai Cloud TPU dell’azienda. A questo proposito, Google ha annunciato la versione alpha di Cloud TPU Pod. I pod forniscono fino a 11,5 petaflops per accelerare il training di un singolo modello di apprendimento di machine learning.
Sono stati anche aumentati il supporto e la disponibilità delle esistenti offerte TPU. Cloud TPU di seconda generazione sono ora disponibili per tutti i clienti e TPU di terza generazione sono in alpha. Anche il supporto per i Cloud TPU in Kubernetes Engine è ora in versione beta. Edge TPU, inoltre, è un ASIC personalizzato offerto come parte della soluzione Cloud IoT Edge.
Maggiori informazioni su Cloud AI sono disponibili sul sito web dedicato.
