Google释出AI Hub和Kubeflow Pipelines帮助企业重用AI资源降低部署门槛

Google发布新的人工智慧服务以及元件，完善自家的产品组合，现在使用者能够透过AI Hub，简化探索、分享以及重用人工智慧资源，Google也更新了Kubeflow Pipelines，帮助打包机器学习应用，方便在组织中发布并快速重複进行实验。而Google还更新了Cloud Video API，以人工智慧强化影片处理功能。

不少企业逐渐在内部流程整合人工智慧，而Google为了要帮助这些企业更容易的导入人工智慧应用，因此释出一系列工具降低部署门槛，让人工智慧使用更简单，并能被更广泛的被利用。除了早前释出的AutoML，帮助机器学习专业有限的企业，客製化自己的机器学习模型，同时也有进阶解决方案实验室，让Google工程师与企业合作，促进人工智慧应用部署。

Google持续新增人工智慧服务，以提升产品组合的完整性。企业有许多资源，如果有人工智慧的帮助，将能让资源探索、分享以及重用更加的简单，但是由于缺乏机器学习的知识，而使得这方面应用受阻，现在Google推出AI Hub来填补这些需求。AI Hub是一站式随插即用机器学习服务，其中包括了工作管线、Jupyter Notebooks以及TensorFlow模组等。

透过AI Hub，企业可以利用Google Cloud AI、Google Research以及其他Google开发的机器学习资源，另外，AI Hub还提供企业私有的安全中心，企业可以上传组织共享的机器学习资源。Google表示，AI Hub可以让企业轻鬆的重複使用机器学习工作管线，并部署到GCP生产环境中，或是在混合基础设施使用Kubeflow Pipeline系统。目前AI Hub仍在Alpha测试，除了这些Google开发的资源和私有共享控制，未来还将扩展到更多资源以及更广泛的公共内容，範围将会扩及第三方的解决方案。

除了以AI Hub提供组织探索、共享和重複使用机器学习资源，Google还提供Kubeflow Pipeline，方便企业建构和打包这些资源。Kubeflow是由Google发起的开源专案，能像建置应用程式一样将机器学习程式打包，以便在组织内供其他用户重複使用。而Kubeflow Pipeline是一个Kubeflow的新元件，提供一个组合工作台，以部署和管理可重複使用的端到端机器学习工作流程，使其成为从原形设计到生产的无锁定混合解决方案，好处是可以执行快速可靠的实验，让用户可以尝试使用不同的机器学习技术，来确定最适合的方法。

Kubeflow Pipelines可以帮助企业使用利用Google的TensorFlow Extended（TFX）开源函式库，解决机器学习用于生产的问题，包括模型分析、资料验证、训练服务偏差以及资料漂移等。使用者现在可以在GitHub上开始使用Kubeflow Pipelines。

另外，Google还扩展了人工智慧建置模组的功能，包括Beta测试版Cloud Video API的三个功能文字侦测、物件追蹤以及语言转文字，方便企业解决广泛应用影片面临的挑战。文字侦测可以侦测文字在影片中出现的位置和时间，其支援超过50中语言，让影片更易于搜寻，而物件追蹤可以辨识影片中超过500类的的物体，第三种功能语言转文字，则可以让使用者把影片中的语音转成文字，建立影片字幕更容易。