谷歌正式發(fā)布人工智能平臺預測(AIPlatform Prediction)服務，以便開發(fā)者在云端籌備、構建、運行和分享機器學習模型。其基于該公司的容器引擎(Kubernetes Engine)后端，旨在實現(xiàn)高可靠性、靈活性、以及低延時開銷的架構。IDC 預測，到 2022 年，全球認知與人工智能系統(tǒng)領域的開支將達到 776 億美元，較去年的 240 億美元翻幾番。

Gartner 也給出了同樣的觀點，面向全球數(shù)千家企業(yè)高端的新調查發(fā)現(xiàn)，AI 實施已于過去四年增長了 270%，僅過去一年就增長了 37% 。

谷歌 AI 平臺預測服務借助了 XGBoost 和 Scikit 等框架，可讓模型的訓練和部署變得更加輕松，這點要歸功于自動選擇的兼容云硬件引擎(比如 AI 加速器芯片)。

在受支持的虛擬機上，該平臺還可顯示 GPU、CPU、RAM、網(wǎng)絡使用率之類的性能數(shù)據(jù)，以及隨時間推移的模型副本指標。

安全方面，AI PlatformPrediction 附帶了允許用戶定義的參數(shù)和模型部署工具，其被限定只能訪問在定義的網(wǎng)絡范圍內(nèi)的資源和服務。

此外該平臺提供了有關模型預測的信息和可視化工具，有助于闡明相關預測。并可根據(jù)發(fā)送到模型的請求的真實標簽，以不斷評估實時模型，從而提供了通過重新培訓來提高性能的機會。

據(jù)悉，AI Platform Prediction 的所有功能都可在完全托管、無集群的環(huán)境中使用，并具有專門的企業(yè)支持。若客戶發(fā)送的流量過多，谷歌還提供了運算資源的配額管理，以防止模型過載。

谷歌旗下的 Waze 也正在使用這項服務來為自家 Carpool 順風車服務提供助力。Waze 高級數(shù)據(jù)科學家 Philippe Adjiman 表示，其能夠在短短幾周時間內(nèi)在生產(chǎn)環(huán)境中完成一個模型的部署。

責任編輯人：CC