EITC/AI/GCML Google Cloud Machine Learning

Google Cloud ყურადღებას ამახვილებს AI სერვისების მიწოდებასა და მაღალი დონის მანქანური სწავლების პლატფორმის შესრულებაზე.

Google Cloud AI ზოგიერთი სერვისი მოიცავს:

• Cloud AutoML - პერსონალური მანქანების მომზადების და განლაგების სერვისი, სწავლის მოდელები. 2018 წლის სექტემბრისთვის მომსახურება ბეტაშია.
• Cloud TPU - ამაჩქარებლები, რომლებსაც Google იყენებს მანქანების სწავლების მოდელების მოსამზადებლად.
• ღრუბლოვანი მანქანების შემსწავლელი ძრავა - მართავს მომსახურებას სწავლებისა და მანქანების სწავლების მოდელების მშენებლობისთვის, რომლებიც დაფუძნებულია მეინსტრიმულ ჩარჩოებზე.
• Cloud Job Discovery - სამსახური, რომელიც ემყარება Google- ის საძიებო და მანქანათმშენებლობის შესაძლებლობებს დაკომპლექტების ეკოსისტემისთვის.
• Dialogflow Enterprise - განვითარების გარემო, რომელიც ემყარება Google- ის მანქანურ სწავლებას სასაუბრო ინტერფეისების შესაქმნელად.
• Cloud ბუნებრივი ენა - ტექსტის ანალიზის სერვისი Google Deep Learning მოდელების საფუძველზე.
• Cloud Speech-to-Text - მეტყველების ტექსტის გარდაქმნის სერვისი, რომელიც ემყარება მანქანულ სწავლებას.
• Cloud Text-to-Speech - ტექსტის მეტყველების გარდაქმნის სერვისი, რომელიც ემყარება მანქანულ სწავლებას.
• Cloud Translation API - სერვისი ათასობით ხელმისაწვდომი ენათა წყვილის დინამიურად თარგმნისთვის
• Cloud Vision API - სურათის ანალიზის სერვისი, რომელიც ემყარება მანქანულ სწავლებას
• Cloud Video Intelligence - ვიდეო ანალიზის სერვისი, რომელიც ემყარება მანქანულ სწავლებას

მაგალითისთვის გაეცანით AutoML Vision ფუნქციებს (Google Cloud– ის ავტომატური მანქანური სწავლება ხედვის კომპიუტერული გაგებისთვის) და გააგრძელეთ EITC პროგრამის ყოვლისმომცველი სასწავლო გეგმით.

Google AI არის Google- ის სპარული განყოფილება, რომელიც ხელოვნურ ინტელექტს ეძღვნება. ამის შესახებ Google I/O 2017 – მა განაცხადა გენერალურმა დირექტორმა სანდარ პიჩაიმ. Google AI– ს ძირითადი პროექტები მოიცავს

• Cloud- ზე დაფუძნებული TPU- ების (ტენსორის დამუშავების ერთეულების) მომსახურება მანქანური სწავლების პროგრამული უზრუნველყოფის შემუშავების მიზნით.
• TensorFlow– ის განვითარება.
• TensorFlow Research Cloud მკვლევარებს მისცემს უფასო კლასტერს, რომელიც მოიცავს ათას ღრუბელ TPU- ს, მანქანაზე სწავლის შესასრულებლად, იმ პირობით, რომ კვლევა ღიაა და მათ განათავსებენ თავიანთ დასკვნებს და აქვეყნებენ რეცენზირებულ სამეცნიერო ჟურნალში.
• Google– ის პერსონალის ათასობით კვლევითი პორტალი.
• Magenta: ღრმა სწავლის კვლევითი გუნდი შეისწავლის მანქანური სწავლების როლს შემოქმედებით პროცესში. გუნდმა გამოაქვეყნა მრავალი ღია კოდის პროექტი, რომელიც მხატვრებსა და მუსიკოსებს საშუალებას აძლევს გააგრძელონ პროცესები AI– ს გამოყენებით.
• Sycamore: 54-Qubit პროგრამირებადი კვანტური პროცესორი.

კიდევ ერთი პროექტია Google Brain. ეს არის ღრმა შესწავლის ხელოვნური ინტელექტის კვლევითი გუნდი Google- ში, რომელიც ჩამოყალიბდა 2010-იანი წლების დასაწყისში, რომელიც აერთიანებს ღია სწავლის მანქანათმშენებლობის კვლევას ინფორმაციულ სისტემებთან და ფართომასშტაბიან გამოთვლით რესურსებთან. Google Brain პროექტი დაიწყო 2011 წელს, როგორც ნახევარ განაკვეთზე ჩატარებული კვლევითი თანამშრომლობა Google- ის სტიპენდიანტ ჯეფ დინის, Google- ის მკვლევარ გრეგ კორადოს და სტენფორდის უნივერსიტეტის პროფესორ ენდრიუ ნგ-ს შორის. 2006 წლიდან იგი დაინტერესებული იყო ღრმა სწავლის ტექნიკის გამოყენებით, ხელოვნური ინტელექტის პრობლემის მოსაგვარებლად და 2011 წელს დაიწყო თანამშრომლობა დინთან და კორადოსთან, Google- ის ღრუბლოვანი ინფრასტრუქტურის მასშტაბით, ღრმა სწავლის პროგრამული უზრუნველყოფის სისტემის, DistBelief შესაქმნელად. Google Brain დაიწყო როგორც Google X პროექტი და იმდენად წარმატებული გახდა, რომ Google- ში დაამთავრა: Astro Teller– მა თქვა, რომ Google Brain– მა გადაიხადა Google X– ის მთლიანი ღირებულებისთვის. 2012 წლის ივნისში, New York Times– მა განაცხადა, რომ 16,000 1,000 კომპიუტერში გადამყვანებმა, რომლებიც ადამიანის ტვინის საქმიანობის ზოგიერთი ასპექტის მიბაძვას ემსახურებოდნენ, წარმატებით გაწვრთნიდნენ კატის ამოცნობას YouTube– ის ვიდეოებიდან გადაღებული 10 მილიონი ციფრული სურათის საფუძველზე. პროექტის პირველი წლებიდან, Google Brain მნიშვნელოვნად დაწინაურდა და ბევრ პროგრამას პოულობს Google AI პროდუქტებში.

თუ გაეცანით პროგრესს, გადახედეთ Google ასისტენტის შესაძლებლობების გამოსაცნობ დემონსტრირებას: