Google heeft zijn AI Platform voorzien van een reeks verbeteringen, die klanten meer flexibiliteit geven in hoe zij hun artificiële intelligentie (AI)-projecten beheren.
Google introduceerde AI Platform afgelopen april. In het platform zijn een aantal AI-services die beschikbaar zijn op Google Cloud gebundeld in een suite, die iedere belangrijke stap van de ontwikkeling van machine learning omvat. Denk dan aan het maken van modellen tot de implementatie daarvan aldus Silicon Angle.
De nu toegevoegde updates verbeteren een tweetal kerncomponenten van de toolkit: AI Platform Prediction en AI Platform Training.
AI Platform Prediction
AI Platform Prediction is een serverloze AI-hostingservice, waarmee ontwikkelaars neurale netwerken kunnen uitvoeren zonder dat ze hiervoor de onderliggende infrastructuur handmatig hoeven te beheren. Voorheen kon een model alleen worden ingezet op een exemplaar met twee virtuele processors of vier. Met de introductie van Prediction voegt Google nu dus meer dan een dozijn extra instantietypen toe met maximaal 32 vCPU’s. Bovendien is het voortaan mogelijk om grafische kaarten te koppelen voor hardware-acceleratie.
Daarnaast implementeert Google ook nieuwe diagnosemogelijkheden, zodat ontwikkelaars hun implementaties kunnen opvolgen. “Het is nu mogelijk om voorspellingsverzoeken en -antwoorden vast te leggen in BigQuery, waar een ontwikkelaar ze kan analyseren om uitschieters te detecteren, of beslissen of het tijd is een model om te scholen”, zegt Henry Tappen, de projectmanager van AI Platform, in een blogpost.
AI Platform Training
Verder biedt het nieuw toegevoegde AI Platform Training een beheerde omgeving waar ontwikkelaars de nauwkeurigheid van nieuw gebouwde neurale netwerken kunnen verbeteren. Dat alles met behulp van voorbeeldgegevens. AI Platform Training ontvangt bovendien samen met een optie voor ingenieurs ook meer exemplaaropties om aangepaste Docker-softwarecontainers op het platform te implementeren.
Zo kunnen er met weinig tot geen aanpassingen containers met applicaties worden geïnstalleerd op verschillende soorten infrastructuur. Dat stelt ontwikkelaars in staat om de technologie te gebruiken om hun bestaande AI-modellen en trainingsscripts over te brengen naar Google Cloud. Het is niet nodig om hiervoor tijdrovende codewijzigingen aan te brengen.