Новый инструментарий AutoML будет использовать предварительно обученные модели Google.
Компания Google представила набор простых в использовании инструментов, которые помогут разработчикам, не имеющим достаточного опыта построения приложений машинного обучения, заниматься внедрением моделей для определенных задач.
AutoML использует предварительно обученные модели машинного обучения и технологию Neural Architecture Search.
«Новые продукты являются частью нашей миссии, направленной на демократизацию искусственного интеллекта и снижение барьеров входа, на доступность искусственного интеллекта максимально возможному по своему охвату сообществу разработчиков, исследователей и коммерческих предприятий», – указали в блоге Google научный директор направления облачного искусственного интеллекта Фей-Фей Ли и глава подразделения исследований облачного искусственного интеллекта Джиа Ли.
Первым продуктом в пакете – доступным тем, кто направил заявку, получившую одобрение – станет AutoML Vision, предназначенный для создания клиентских моделей на базе технологии распознавания образов Google.
Перетащив изображения в окно программы, разработчики смогут помечать их, исходя из своих требований. После обучения модели на основе входных данных у пользователей появится возможность оценить и очистить ее.
Google предлагает также услуги собственных специалистов, которые на основе полученных от клиентов инструкций будут соответствующим образом классифицировать изображения.
Одним из первых пользователей этого продукта стала компания Urban Outfitters, занимающаяся продажей модной одежды. Она экспериментировала с автоматизацией сбора информации о восприятии покупателями различных нюансов своих товаров, в частности, образцов и стилей декольте. Компания Disney использовала технологию для построения моделей и создания аннотаций продуктов со своими персонажами.
Зоологическое общество Лондона применяло AutoML Vision для анализа и аннотаций фотографий животных, снятых в дикой природе.
«В настоящее время всего несколько предприятий имеют персонал и бюджеты, необходимые для того, чтобы полностью оценить преимущества машинного обучения и искусственного интеллекта, – указал Ли. – В мире пока насчитывается очень мало людей, способных создавать передовые модели машинного обучения. И даже если у компании имеются инженеры по машинному обучению и искусственному интеллекту, ей предстоит еще наладить управление сложными и трудоемкими процессами построения своих собственных моделей машинного обучения».
В прошлом году компания Google представила Cloud Machine Learning Engine API, а новый пакет должен помочь «сократить имеющийся разрыв» и сделать искусственный интеллект «доступным каждому предприятию».
Голосуя за машинное обучение
Облачные конкуренты Google также стараются «демократизировать» машинное обучение.
Предлагаемая Microsoft простая визуальная среда Azure Machine Learning Studio, запускаемая в среде браузера, поддерживает перетаскивание и не требует написания программного кода. В сентябре компания расширила свой набор инструментов искусственного интеллекта, но пока продукты по-прежнему находятся в стадии предварительной версии.
На прошедшей в ноябре конференции Re:Invent компания Amazon Web Services представила полностью управляемый сервис сквозного машинного обучения Sagemaker и видеокамеру DeepLens, поддерживающую модели глубинного обучения.
«Люди, выстраивающие модели, не хотят, чтобы машинное обучение было таким сложным, – подчеркнул генеральный директор AWS Энди Джасси. – Они не хотят, чтобы оно было таким загадочным. Не хотят иметь перед собой черный ящик. Им нужно, чтобы все делалось как можно проще. В мире еще просто нет такого большого числа практикующих специалистов по машинному обучению. Основная масса из них сосредоточена в крупных технологических компаниях. И если вы хотите, чтобы машинное обучение активно использовалось большинством предприятий, необходимо сделать так, чтобы соответствующие средства были доступны разработчикам и ученым, решающим повседневные задачи».