Google揭曉雲端機器學習架構、提供諸多API

2016.03.24 09:00AM
13
是Google推雲端機器學習架構、結合更多資源這篇文章的首圖

前陣子因為「AlphaGo」所涵蓋的深度機器學習技術議題持續受到關注,此在Google Cloud Platform NEXT 2016活動上也由Google研究團隊資深研究員Jeff Dean宣布,將開放包含雲端翻譯 (Cloud Translate)API、雲端預測 (Cloud Predicition)API、雲端視覺 (Cloud Vision)API,以及雲端語意 (Cloud Speech)API,讓開發者能透過此類API將旗下服務與深度機器學習技術緊密結合。

IMG_0554_resize▲Google研究團隊資深研究員Jeff Dean

如先前在舊金山結構資料大會受訪時表示,將近一步透過深度機器學習方式讓Google翻譯服務品質更好,Google研究團隊資深研究員Jeff Dean稍早於Google Cloud Platform NEXT 2016活動上宣布,將開放包含雲端翻譯 (Cloud Translate)API、雲端預測 (Cloud Predicition)API、雲端視覺 (Cloud Vision)API,以及雲端語意 (Cloud Speech)API,讓開發者能透過此類API將旗下服務與深度機器學習技術緊密結合。

IMG_0570_resize▲開放多項運用雲端機器學習資源,藉此串接開發者所設計服務

根據Jeff Dean表示,深度機器學習應用除了與Google人工智慧系統「AlphaGo」整合外,在此之前也已經與Gmail、Google Photos、Google Maps、YouTube、Google Now等服務結合應用,另外針對電腦視覺、圖像識別、自然語言結構理解,甚至藥物分析、機器人研究等領域都有使用此類技術,透過持續讓電腦系統學習資料,使其能配合正確判斷資料內容代表涵義,藉此協助找出有用資訊。

比方就結合影像識別的電腦視覺應用,透過輸入影像資料且透過各項文字敘述其情境,如「狗」、「寵物」、「動物」、「坐在草地上的狗」,甚至加入顏色、所處地理位置等資訊,讓電腦系統有更多參考資料能記憶比對,如此透過長時間訓練之下,即可讓電腦系統正確判斷照片中的動物是狗,而不會判斷成貓。

就機器學習的運作原理來看,取決在使用者提供參考數據資料量,以及參考內容是否俱全,同時也因提供資料類型差異而產生不同學習結果。

IMG_0541_resize▲越來越多應用服務導入機器學習

IMG_0545_resize▲圖像識別、臉譜識別、物件識別等都是機器學習應用範疇

IMG_0548_resize▲機器學習方式便是透過圖像配合詳細說明主要物件、場景、顏色、所在位置等豐富資訊,並且讓電腦持續紀錄、並且交互學習

另外,針對去年11月於日本東京宣布推出的開放學習架構TensorFlow框架,Google也將開放雲端機器學習 (Cloud Machine Learning)API資源,讓開發者能依照本身持有資料,配合Google Cloud Datalab、BigQuery、雲端儲存資源建立自有機器學習結果,並且配合雲端系統應用在本身服務。

而在這樣的資源開放之下,企業端如銀行業者、資料分析等即可透過本身資料讓系統進行大量數據比對學習,並且建造屬於自己的學習資料庫,而若資料持有者願意將學習結果進一步對外開放,預期對於整個服務應用將能帶來更大效益。

此次額外開放雲端機器學習資源,最主要也是希望透過雲端運算能力協助開發者以模擬方式,在更快效率運作下完成必要的機器學習成果,不過為了避免機器學習造成誤謬現象,Jeff Dean也表示初期給予系統參考學習資料,以及取樣樣本正確性就更顯得重要。

IMG_0575_resize

回應 0

熱門文章

最新消息

本日精選