Nieuwe Google tools moeten machine learning toegankelijk maken voor bedrijven

© iStock
Els Bellens
Els Bellens Technologiejournaliste bij Data News

Google komt met enkele nieuwe producten die het werk van datawetenschappers efficiënter moet maken, en machine learning en kunstmatige intelligentie in het algemeen binnen het bereik van meer bedrijven moet brengen.

Er worden twee nieuwe AI tools voor bedrijven aangekondigd. Ten eerste is er Kubeflow Pipelines, dat datawetenschappers moet helpen om samen te werken met hun teamleden en een machine learning model sneller in productie uit te rollen. Daarnaast is er AI Hub, een platform of marktplaats waar bedrijven machine learning componenten zoals data sets of voorgemaakte modellen kunnen vinden. Over het algemeen lijkt het Google hier vooral te doen om het werk van datawetenschappers meer toegankelijk te maken voor de rest van het bedrijf.

Marktplaats voor AI

Misschien het boeiendste voor bedrijven is de AI Hub. Die moet het makkelijker maken om bestaande tools en projecten binnen een organisatie te ontdekken, te delen en te hergebruiken. Google geeft onder meer pipelines, Jupyter notebooks en TensorFlow modules op als voorbeeld van componenten die op het (private) platform geupload en gedeeld kunnen worden door datawetenschappers. Google stopt verder ook een groot deel van zijn eigen open source materiaal in de AI Hub. De onderzoeksdocumentatie die door Google Cloud AI, Google Research en andere teams werd ontwikkeld, krijgt een plaats op dit platform. In de toekomst zouden daar ook betaalde tools van derde partijen bij kunnen komen.

Een tweede tool die wordt aangekondigd, Kubeflow Pipelines, vormt een extra component voor Kubeflow. Dat is een openbronproject dat toestaat om machine learning workflows te draaien op Kubernetes containers. De Pipelines component is een omgeving waarin machine learning workflows van begin tot eind kunnen worden gemaakt, uitgerold, beheerd en, belangrijk, hergebruikt. Het systeem laat toe om modules in het geheel vast te klikken, zodat een team beter kan samenwerken. Zo zou een datawetenschapper het machine learning model kunnen bouwen, terwijl iemand anders de juiste database aan dat model hangt en een ontwikkelaar er een API op zet. Dat zou het sneller en efficiënter moeten maken om met machine learning te experimenteren.

AI voor iedereen

Google is al een tijdje bezig aan het ‘democratiseren’ van kunstmatige intelligentie. Het bedrijf ziet het tekort aan datawetenschappers als een rem op ontwikkeling (of een gat in de markt, zo u wil), en brengt daarom onder meer tools uit die het voor ‘normale’ ontwikkelaars makkelijker moeten maken om machine learning modellen te bouwen. Eerder dit jaar lanceerde het bijvoorbeeld AutoML, een reeks bouwblokken, zoals een beeldherkenningsalgoritme of tekst-naar-spraak module, die ontwikkelaars op hun eigen database kunnen loslaten.

Daarnaast brengt het tools uit die het eigenlijke werk van datawetenschappers efficiënter maken, zodat ze meer gedaan krijgen. Kubeflow Pipelines past in die filosofie, maar eerder bracht Google hier ook zijn Cloud Machine Learning Engine uit, die een groot deel van het voorbereidende werk in het bouwen van machine learning modellen voor zijn rekening neemt. Google heeft naar eigen zeggen nu zo’n 15.000 betalende klanten die van zijn verschillende AI-diensten gebruik maken.

Fout opgemerkt of meer nieuws? Meld het hier

Partner Content