Google разработали систему автоматического машинного обучения, которая может конкурировать с работами специалистов.
Машинное обучение важно для цифрового маркетинга, поскольку позволяет генерировать предсказательные модели на основе прошлых данных. Эти прогнозы позволяют маркетологам формулировать правильные предложения в нужное время и помогают системам распознавать объекты реального мира.
С сегодняшним объявлением Google Cloud еще на один шаг придвинулась к тому, чтобы сделать машинное обучение доступным для бизнеса любого уровня.
Google представил свой сервис Cloud AutoML, обеспечивающий доступ к пользовательским моделям машинного обучения, которые, по словам компании, могут быть использованы «с минимальными усилиями и знаниями в этой области».
Вышедший сервис дополняет модуль Google Cloud Machine Learning Engine, выпущенный в прошлом году, который предложил разработчикам с помощью машинного обучения создавать модели для любых данных. В рамках этой службы Google уже предоставил доступную через предварительно обработанные модели API в Vision, Speech, Natural Language Processing, Translation и Dialogflow (для голосовых и текстовых диалогов) для бизнес-приложений.
Идея Cloud AutoML заключается в том, что даже разработчики, не обладающие большим опытом работы с машинным обучением, смогут теперь вступить в игру.
Бизнесу разумеется потребуется помощь разработчиков - но снижена необходимость привлекать специалистов по компьютерному обучению. . Пользовательский интерфейс построенный на банальном drag-n-drop позволяет разработчикам быстро начать обучение модели с помощью отобранных данных.
Первым продуктом этой новой услуги является AutoML Vision, предназначенная для обучения машинным системам "видения" на основе технологии распознавания образов Google.
По заявлению компании, начальные тесты показывают, что AutoML Vision более точен при распознавании изображений, чем прочие модели машинного обучения. По словам компании, простая модель для использования в приложении может быть создана за считанные минуты, а разработка более подробной модели займет всего один день.
Например, ателье может научить Vision распознавать различные типы свитеров по форме выреза. Google заявляет, что в некоторых случаях бренд может обучить Vision всего с помощью нескольких десятков фотографических образцов.
Urban Outfitters уже использовали AutoML Vision для автоматизации распознавания характеристик продукта для создания рекомендаций для потребителей; Disney - для распознавания своих персонажей посредством визуального поиска; Зоологическое общество Лондона - для того, чтобы автоматически распознавать животных, сфотографированных в дикой природе через камеры-ловушки.
Сам AutoML является результатом исследования Google по перманентной генерации нейронной сетью «детской» модели машинного обучения с конкретной архитектурой для конкретной задачи, например, визуального распознавания. Обратная связь по точности и другим факторам формирует данные для следующей дочерней модели, и о следующей, и т.д., пока последовательно не разовьются тысячи поколений новой архитектуры.
Применение такому эволюционного совершенствования моделей машинного обучения нашлось уже в двух областях: распознавание образов и лингвистика. В обоих случаях, по словам компании, лучшие автоматически созданные модели достигают точности, сопоставимой с лучшими моделями от специалистов по компьютерному обучению. Фактически, в некоторых случаях машинные версии, похоже, создали полезные новые архитектуры.
Это новое предложение от технологического гиганта - новейшая технология AI-as-a-service, часть волны, которая вобрала в себя доступные AI от IBM Watson, разработки Amazon и Microsoft и многих других компаний.