intelligenza artificiale Google

Non potrebbe essere altrimenti: al Google Cloud Next 19 le tecnologie di intelligenza artificiale e machine learning sono tra le principali protagoniste. È Rajen Sheth, Director of Product Management di Google Cloud AI, a illustrare quali sono le maggiori novità in questo ambito.

E di novità ce ne sono un bel po’. A partire dall’introduzione di una nuova piattaforma integrata di servizi che aiuta a sviluppare funzionalità di intelligenza artificiale e poi a eseguirle nel cloud o on-premise. Partiamo quindi da questa, che comunque non è l’unica.

Google AI Platform, per il lavoro in team

Quando si accostano ai progetti di intelligenza artificiale, spiega Rajen Sheth, le aziende devono affrontare una serie di problemi. Dai dati non strutturati ai team in silos fino alla complessità delle implementazioni. Le aziende necessitano, secondo Goole, di un luogo che riunisca tutti questi elementi in un modo che renda il machine learning più semplice e collaborativo.

intelligenza artificiale GoogleLa risposta di Google a questo insieme di problemi, arriva con l’annuncio della AI Platform, attualmente in versione beta. Si tratta di una piattaforma di sviluppo completa end-to-end. Ideata per aiutare i team a preparare, creare, eseguire e gestire progetti di machine learning tramite la stessa interfaccia condivisa. AI Platform è indirizzata a sviluppatori, data scientist, data engineer, e tutti possono collaborare alla condivisione dei modelli, al training e nello scalare workload. Il tutto, dalla stessa dashboard all’interno di Cloud Console.

AI Platform, spiega Google, rende possibile importare i dati da streaming o batch. Nonché utilizzare un servizio di labeling integrato per etichettare facilmente dati di training, quali immagini, video, audio e testo. Ciò, applicando classificazione, rilevamento di oggetti, entity extraction e altri processi.

La piattaforma consente di importare i dati direttamente in AutoML o di utilizzare Cloud Machine Learning Engine, ora parte di AI Platform. Al fine di addestrare e servire su GCP i propri modelli di machine learning personalizzati. AI Platform va a integrare AI Hub. E siccome supporta Kubeflow, la piattaforma open source di Google, è possibile creare pipeline di machine learning portatili. Pipeline Kubeflow che è poi possibile eseguire on-premise o nel cloud, quasi senza alcuna modifica al codice.

intelligenza artificiale GoogleMaggiori informazioni sulla AI Platform sono disponibili sul sito Google, a questo link.

Per una intelligenza artificiale più accessibile

Google ha introdotto Cloud AutoML per la prima volta all’inizio dello scorso anno. L’obiettivo dell’azienda era quello di aiutare gli sviluppatori con competenze di machine learning limitate nel training di modelli di apprendimento automatico personalizzati di alta qualità. Nonché nella loro implementazione.

intelligenza artificiale GoogleAl Google Cloud Next 19 l’azienda ha annunciato una serie di soluzioni AutoML nuove e migliorate. Novità che hanno l’obiettivo di rendere ancora più semplice e veloce, per gli sviluppatori e le imprese, utilizzare l’intelligenza artificiale.

Le AutoML Tables, disponibili in versione beta, abilitano build e deploy di modelli di apprendimento automatico allo stato dell’arte su set di dati strutturati tabulari, senza alcun codice. Con pochi clic, lo strumento permette di importare dati da BigQuery e altri servizi di archiviazione GCP in tabelle AutoML. Per poter creare e distribuire modelli di machine learning in pochi giorni, invece che settimane.

intelligenza artificiale GoogleL’interfaccia guida l’utente, senza l’uso di alcun codice, attraverso l’intero ciclo di vita dell’apprendimento automatico. Rendendo così semplice per chiunque nel team, che sia data scientist, analista o sviluppatore, creare modelli e incorporarli in applicazioni più ampie.

Maggiori informazioni su AutoML Tables sono disponibili a questo link.

Altre novità di AutoML e dell’intera infrastruttura

L’ottimizzazione dei modelli di machine learning per l’esecuzione su dispositivi edge, quali sensori o telecamere connesse, può dimostrarsi difficile. Ciò, perché questi dispositivi spesso sono soggetti a latenza e connettività inaffidabile. AutoML Vision è stato introdotto lo scorso anno con l’obiettivo di semplificare la creazione di modelli custom per il riconoscimento delle immagini.

In occasione del Google Cloud Next 19 Google ha annunciato AutoML Vision Edge per semplificare lil processo di training e deployment di modelli di machine learning personalizzati ad alta precisione e bassa latenza per dispositivi edge, on premise o remoti. AutoML Vision Edge supporta una varietà di device e può sfruttare le TPU Edge per un’inferenza più veloce.

AutoML Video, attualmente in versione beta, consente invece di creare più facilmente modelli custom che classificano automaticamente i contenuti video con etichette definite. Ciò consente, alle aziende che gestiscono enormi quantità di dati video diversi, di rillevare contenuti all’istante, in base alla propria tassonomia.

Oltre a queste tre soluzioni completamente nuove, Google ha continuato a migliorare anche le funzionalità di base di AutoML Vision e AutoML Natural Language.

Inoltre, l’azienda prosegue con il potenziamento dell’infrastruttura che sostiene questi servizi di intelligenza artificiale e machine learning. Le TPU raffreddate a liquido di terza generazione sono ora generalmente disponibili. Inoltre, tutte le Cloud TPU sono generalmente disponibili in Google Kubernetes Engine (GKE). GCP è anche il primo fornitore di servizi cloud a offrire la nuova NVIDIA Tesla T4, ora generalmente disponibile in otto regioni.

Google ha annunciato anche la collaborazione in corso con numerosi partner, tra cui Accenture, Atos, Cisco, Gigster, Intel, NVIDIA, Pluto 7, SpringML e UiPath. Una collaborazione tesa a costruire pipeline Kubeflow per far crescere ed estendere AI Hub.

Se questo articolo ti è piaciuto e vuoi rimanere sempre informato sulle novità tecnologiche

LASCIA UN COMMENTO

Inserisci il tuo commento
Inserisci il tuo nome