從李飛飛的AI民主化四大戰略,看Google雲服務如何提升全民“參與感”

ADVERTISEMENT

Google執行長埃裡克·施密特在11年前的搜尋引擎大會上首次提出了“雲端計算”的概念。但在“籠絡”企業使用者方面,Google雲的表現卻一直不如亞馬遜AWS與微軟Azure

沒有人會懷疑Google的技術實力,大家只是對它在雲的佈局一直抱著不確定性。Google在消費級的龐大業務讓不少企業擔心,它是否真正願意放下身段,傾注更多的資源與精力在客戶身上?

Google雲服務的重心:把舞臺留給企業

為了做好雲服務,這兩年Google一直很拚。不論是讓高階副總裁、VMware的創始人兼CEO Diane Greene執掌雲服務以贏得企業信賴,還是去年11月,聘請斯坦福大學教授李飛飛擔任雲服務AI與機器學習部門的首席科學家以增強學界信心,甚至根據Google高階副總裁Urs Hölzle的說法,2015年Google也花了AWS與微軟總和的兩倍資金用於IaSS基礎設施的建設,而且承諾每月一個資料中心的搭建節奏,這些舉措都在努力地向企業們證明著它的決心。

砸錢、招人、出產品,Google攻城略地的三板斧總是屢試不爽。在今天淩晨的Google Cloud Next' 17雲端計算大會上,四大天王(Diane Greene、CEO Sundar Pichai、Alphabet 執行主席 Eric Schmidt 、雲機器學習與人工智慧首席科學家李飛飛)加上近十位合作企業的高管站臺,似乎也多了一分人多勢眾的感覺。

在全長兩個多小時的開場Keynote中,Google把大部分時間留給了合作企業,這些來自零售、娛樂、電信、金融、電商等多個領域的巨頭逐一介紹自家業務是如何使用雲服務的:

  • 迪士尼提及如何用雲及機器學習打造更加便利的未來零售體驗;

  • SAP則宣佈HANA資料庫將支援Google雲平臺,將企業應用程式整合與雲服務整合;

  • Verizon講了十多萬員工如何用Google雲上的生產力工作提升效率;

    ADVERTISEMENT
  • 匯豐介紹了為什麼放棄自己的私有雲平臺,轉而利用Google的雲服務;

  • Ebay演示瞭如何用Google Home的智慧對話功能,為二手的電子產品估價。

相比之下,四位Google高管的出現彷彿只是錦上添花,連首次作為Google員工上臺演講的李飛飛,也隻講了不到半個小時。

這樣的反差似乎也讓我們看到Google想做的事情:把舞臺更多地留給企業,留給更多的一線技術人員。而Google會承擔更多的基礎服務,經由企業所提供的服務滲透到民眾的日常生活中。

李飛飛提出AI民主化理念,提升企業及開發者的“參與感”

這也與李飛飛所發表的演講內容緊密聯絡在一起。為普及Google雲端計算,使人工智慧真正受惠於民眾,李飛飛提出了“democratizing AI”(AI民主化)的理念,並指出要從四個方向發力:計算力、演算法、資料和人才。而從這四個民主化的方向上,雷鋒網也一窺Google在雲服務上的野心和藍圖。

更好的計算力(Computing)

機器學習計算引擎Cloud Machine Learning Engine實際上早在去年就公佈了測試版本,這個基於TensorFlow搭建的平臺能夠幫助開發機器學習模型。在李飛飛的理解中,人工智慧技術以往需要精通程式設計才能順利駕馭,如今藉助現有的框架,使用者可以將基礎架構和模型搭建全權交給Google雲進行大規模處理,把更多的精力放在“做什麼”而不是“怎麼做”上。這也是Google實現技術普及的一個過程:降低使用者的使用門檻,把更多的基礎內容交給更擅長的Google團隊來做。

更通用的演算法(Algorithms)

李飛飛於去年11月16日正式加入Google雲端計算業務新成立的機器學習部門 (Google Cloud Machine Learning),當時掀起了一陣學術圈的熱議。李飛飛依然在斯坦福保留教職,這半年來的大部分時間她都呆在Google,專注新AI團隊的建設及跨部門的協作。加入Google後,李飛飛的唯一一次公開露面是在北京的未來論壇2017年會,她發表了名為《視覺智慧的探索》 (The Quest for Visual Intelligent)的演講。在期間,她介紹了將圖片中學習到的內容對視訊進行分析與應用,以便利人們的生活。

ADVERTISEMENT

而在Keynote上,李飛飛就釋出了一系列通用模型API,這也是讓AI變得更加“親民”的一種方式。用於影象識別的Vision API實際上早已經開發了一段時間,而視訊分析的Video Intelligence API才是新推出的一大亮點,它可以自動識別視訊中的物體,讓視訊實現可搜尋。

用李飛飛的話來說,視訊是計算機視覺裡面的“暗物質”,因為它無法像圖片一樣實現便捷的搜尋,但Video Intelligence API現在可以幫助開發者開發出從視訊中搜尋實體的應用,並標記出對應物體的出現位置。雷鋒網()瞭解到,除了提取資料,API還允許在對變換的場景打標籤。

更海量的資料(Data)

不論是演算法訓練還是系統測試,龐大的資料量對於人工智慧而言毫無疑問都非常寶貴。在與一些高校老師接觸的過程中,雷鋒網也瞭解到高校目前面臨著“資料荒”問題。高校研究目前都是採用公開資料集,主要目的是對演算法的可行性進行測試。但這些資料集比起企業級別的資料實在是九牛一毛。現在不少高校教授同樣身兼企業的首席科學家,資料不得不說是一個非常重要的考量。李飛飛此前加入Google,或許也是看中了Google在資料的強大實力。

以ImageNet為例,李飛飛在會上也坦承了從零構建這一資料集的艱辛與不易,很大程度在於資料整理的繁瑣。而在資料的收集與共享上,Google通過收購資料建模與分析社群Kaggle實現更好的資源整合。目前Kaggle已經聚集了超過85萬的資料科學家,並且建立了眾多開源資料集。此前,Google與Kaggle也有過合作,舉辦了YouTube8M視訊理解挑戰比賽,而本次的收購金額不詳,但無疑對雙方都有好處:Google能夠為Kaggle上的使用者提供市場化的變現機會;而後者可以為Google提供更多的開源資料集,毫無疑問能夠豐富Google的開發生態,甚至,它還能成為Google資料科學家的人才儲備池。

為了讓人工智慧的普及範圍更廣,單從企業的基礎設施入手自然不夠,人才的培養與合作同樣重要。Google釋出 Advanced Solution Lab的目的,也在於充分利用Google人才的實力,幫助其它企業解決複雜的機器學習問題;此外,該計劃還將贊助一些嘗試解決困難問題的研究者,讓他們與Google一同攜手解決——自然,採用的服務也都會是Google生態下的系列產品,而這一舉措又能夠更好地吸引越來越多的使用者轉投Google麾下。

從Google雲服務所提的這些戰略點來看,不論是正式釋出測試已久的Cloud Machine Learning Engine,還是通用模型API,實際上並沒有太多驚豔的地方。Google現任CEO Sundar Pichai也表示,雲對於Google而言是相當大的賭注。因為雲服務不像Google X一樣陽春白雪,它所服務的是每一個可能因為AI而受益的人,影響的範圍可能會是全球性的。

就像李飛飛所提的“AI民主化”的理念一樣,雲服務想讓更多的企業採用Google的底層服務,讓更多的使用者通過Google的服務接觸到AI,讓大家知道人工智慧並不遙遠。相對於曲高和寡的AI技術,Google更看重越來越多使用者的“參與感”(participate),

這也是埃裡克·施密特在總結中對企業和開發者作出承諾的原因:

“我們是認真的,這是一個非常重要的任務。我們有資金,也有手段和決心,要為所有需要的人提供一個全新的計算平臺”。

在接下來的兩天時間,Google Cloud Next' 17還會繼續公佈哪些新產品呢?雷鋒網將持續關注。

雷鋒網版權文章,未經授權禁止轉載。詳情見轉載須知

ADVERTISEMENT
ADVERTISEMENT