Mit AI Hub und Kubeflow Pipelines hat Google zwei weitere KI-Werkzeuge vorgestellt. Sie sollen es Unternehmen leichter machen, Nutzen aus künstlicher Intelligenz zu ziehen, auch wenn sie noch relativ wenig Erfahrung mit maschinellem Lernen gewinnen konnten. Die neuen Tools folgen dem schon zum Jahresanfang angekündigten AutoML, das als Google-Cloud-Dienst maschinelles Lernen (Machine Learning, ML) durch die Erstellung individueller Modelle vereinfachen und „demokratisieren“ sollte.
„Indem wir Data Scientists helfen, effektiver zu sein, finden wir einen weiteren Weg, AI schneller, einfacher und nützlicher zu machen“, schreibt in einem Blogeintrag Hussein Mehanna, Engineering Director von Googles Cloud ML Platform. „Obwohl es weltweit rund 20 Millionen Entwickler gibt, arbeiten nur 2 Millionen Experten im Bereich der Data Science. Sie brauchen Werkzeuge, die ihnen bei der Skalierung ihrer Anstrengungen helfen, und Organisationen benötigen mehr Möglichkeiten, aus ihrer Arbeit Nutzen zu ziehen und ihren Entwicklern und Ingenieuren zugänglich zu machen.“
AI Hub ist als neue und universelle Plattform für Machine-Learning-Plug-and-Play-Inhalte konzipiert, die von Google Cloud AI, Google Research und anderen Teams entwickelte ML-Ressourcen öffentlich für alle Unternehmen zugänglich macht. Darüber hinaus bietet sich AI Hub als sichere und zentrale Plattform für das Hochladen von ML-Ressourcen an, um sie dort zu testen und zu nutzen. AI Hub wird zunächst in einer Alpha-Version mit von Google entwickelten Ressourcen verfügbar. Ein folgendes Beta-Release soll um eine breitere Palette öffentlicher Inhalte einschließlich Partnerlösungen ergänzen.
Kubeflow Pipelines ist eine zusätzliche Komponente von Kubeflow, Googles Open-Source-Projekt für das vereinfachte Abarbeiten von Maschinenlernen-Aufgaben mit Kubernetes. Es soll Anwender in die Lage versetzen, mehrstufige maschinelle Lern-Pipelines zu orchestrieren und zu verwalten.
Google beschreibt Kubeflow Pipelines als eine ideale Hybridlösung vom Prototyping bis hin zur Produktion, die nicht mit einem Lock-in verbunden ist. Es soll außerdem schnelles und verlässliches Experimentieren erlauben, sodass Nutzer verschiedene ML-Techniken erproben können, um zu ermitteln, was sich am besten für ihre Anwendung eignet. Der Einstieg in Kubeflow Pipelines kann auf GitHub erfolgen.
Seit der Bereitstellung von AutoML und begleitenden Angeboten haben laut Google viele Firmen mit dem Einsatz künstlicher Intelligenz begonnen. „Heute haben wir mehr als 15.000 zahlende Kunden in vielen verschiedenen Branchen, die unsere AI-Services nutzen“, berichtet Cloud-ML-Manager Mehanna.
Täglich alle relevanten Nachrichten frei Haus.
Bankhaus Metzler und Telekom-Tochter MMS testen, inwieweit Bitcoin-Miner das deutsche Stromnetz stabilisieren könnten.
Mit 1,7 Exaflops ist El Capitan nun der dritte Exascale-Supercomputer weltweit. Deutschland stellt erneut den…
Der deutsche Hyperscaler erweitert sein Server-Portfolio um vier Angebote mit den neuen AMD EPYC 4004…
Beim Online-Gaming kommt es nicht nur auf das eigene Können an. Auch die technischen Voraussetzungen…
Fast jedes zweite Unternehmen bietet keinerlei Schulungen an. In den übrigen Betrieben profitieren oft nur…
Huawei stellt auf der Connect Europe 2024 in Paris mit Xinghe Intelligent Network eine erweiterte…