【Google雲端新戰略3】機器學習上雲讓人人能用，雲端資料

william77

機器學習開始驅動產業新革命，未來甚至將成為競爭力的證明，為了讓人人都能用，Google決定將開源機器學習引擎TendorFlow變成一朵雲，也讓雲端資料平臺布局更上一層。

Google研究團隊資深院士Jeff Dean認為，機器學習技術可以幫助企業，從結構化和非結構化資料中抽取出有價值的趨勢，進而降低維運負擔，也能改善商業運作。

除了Container技術，Next大會的另一個焦點技術就是機器學習。繼去年Google將機器學習引擎TensorFlow開源之後，現在更進一步，Google推出了機器學習雲端服務。
Google研究團隊資深院士Jeff Dean表示：「如何理解和運用資料的方式，能決定你成功的深度。」這位在Google Brain團隊帶頭研究深度學習技術的專家是Google最重要的研發人才之一。
他是MapReduce技術的發明人之一，這正是大資料分析平臺Hadoop的核心演算法。他也設計了Google五代檢索、索引與搜尋服務系統，還有Google賴以為生的原生廣告與AdSense內容廣告系統，甚至還有分散式運算的基礎架構。現在，Jeff Dean正全力研究大規模分散式系統上的機器學習技術，TensorFlow正是他率領Google Brain團隊打造的其中一項成果。他對機器學習技術發展的看法，最能反映出Google機器學習技術未來的發展方向。
Jeff Dean認為，機器學習技術可以幫助企業，從結構化和非結構化資料中抽取出有價值的趨勢，進而降低維運負擔也能改善商業運作。
Google從2012年初開始在內部專案中使用機器學習技術，2014年擁抱機器學習的專案量更快速成長，至今超過1,500個內部專案採用，除了AlphaGo以外，還有地圖服務、相片服務、Gmail、語音辨識、Android、YouTube、翻譯、機器人研究、自然語言研究、醫藥研發等專案。
Google想要打造的機器學習技術，Jeff Dean表示，想要滿足三類使用者，一種是擁有高度機器學習專業能力的專家，來訓練他們自有的機器學習模型，第二種是服務那些需要簡單易用介面，不需要高度機器學習專業的應用程式開發者，讓他們可以善用那些已經預先訓練好的機器學習模型，來打造出更聰明的應用程式。最後一種是介於兩者之間的角色，也就是資料科學家們，讓他們方便在自己的資料上運用成熟的機器學習模型，進行即時或批次的預測。
去年11月，Google開源釋出了自家第二代機器學習引擎TensorFlow，這是一個可以本地端、雲端或甚至在行動裝置上執行的機器學習引擎，引發了業界震撼，在今年Next大會中，Google更進一步推出了以TensorFlow為核心打造的機器學習雲端服務Cloud Machine Learning（或簡稱Cloud ML）測試版，也釋出了以機器學習技術打造的Cloud Vision API的Beta測試版、雲端語音辨識API的Alpha測試版以及雲端翻譯API正式版。Jeff Dean表示，這只是開始，將會在雲端提供更多機器學習API。
Google雲端平臺產品管理總監Fausto Ibarra表示，機器學習雲並非是一個獨立的Google服務，而是Google雲端資料平臺的一環。
Fausto Ibarra表示，這個資料平臺可以提供從雲端資料庫、儲存服務、資料處裡服務到分析服務、進階分析智慧、探索和協助技術的總和，Cloud ML正是進階分析智慧的關鍵平臺。而當前主要目標，將會鎖定常見的4大雲端資料應用模式，包括了App開發所需、資料儲存與歸檔、大資料分析以及機器學習應用所需，針對開發者、資料科學家和商業分析人員的需求來打造。