3min

Tags in dit artikel

, ,

Er is een gebrek aan AI-talent dat in de toekomst alleen maar toeneemt. Google wil artificiële intelligentie daarom democratiseren, zodat elk bedrijf toegang heeft tot de technologie voor het verbeteren van de business. Vandaag breidt het die inspanningen uit met twee nieuwe tools: Kubeflow Pipelines en de AI Hub.

“Slechts enkele tienduizenden mensen in de wereld hebben kennis van de laatste nieuwe technieken in machine learning. Hoewel er ongeveer 20 miljoen software-ontwikkelaars zijn wereldwijd, zijn er ongeveer 2 miljoen datawetenschappers”, zegt Rajen Sheth, Director of Product Management bij Google Cloud AI. “We moeten AI democratiseren en toegankelijk maken voor miljoenen meer mensen. We moeten het eenvoudig, snel en nuttig maken.”

Om de barrières rond AI en machine learning te verlagen, lanceerde Google reeds een aantal producten en diensten, waaronder recent AutoML. Daarmee kunnen bedrijven met beperkte kennis en expertise rond machine learning bestaande modellen aanpassen en trainen voor hun specifieke use-cases. AutoML doet beroep op Googles jarenlang onderzoek in beeldherkenning, vertaling en natuurlijke spraakherkenning. Vandaag worden de diensten van Google Cloud AI reeds gebruikt door 15.000 betalende klanten.

Voor datawetenschappers blijft het evenwel een uitdaging om hun modellen in productie te krijgen. “AI is een teamsport waarbij meer dan alleen datawetenschappers betrokken zijn. Ze hebben tools nodig om hun werk in handen te krijgen van ontwikkelaars, data engineers en businessanalisten”, vertelt Sheth. “Daarom lanceren we Kubeflow Pipelines en AI Hub.”

Kubeflow Pipelines

Kubeflow Pipelines is een opensourceproject onder leiding van Google en gebouwd op containerorchestratieplatform Kubernetes. Het verpakt machine learing (ML)-code in een pipeline die toelaat om de hele ML-stack eenvoudig uit te rollen en beheren. Elk teamlid kan vanuit zijn specialisatie een bijdrage leveren aan de pipeline en achteraf desgewenst nog manipuleren, terwijl de rest van de stack ongewijzigd blijft.


Lees dit: Kubernetes: wat is het en waarom verovert het in snel tempo de wereld?


Een datawetenschapper kan zo bijvoorbeeld zijn of haar ML-model uit de pipeline halen, aanpassen en hertrainen. Vervolgens kan het model weer aan de stack worden toegevoegd, zonder dat de rest van de pipeline – e.g. een gekoppelde database of API – wordt verstoord.

Kubeflow Pipelines geeft klanten ook toegang tot TensorFlow Extended, waarmee modellen kunnen worden geanalyseerd en data gevalideerd. Dat helpt om de accuraatheid enelevantie van de resultaten te verbeteren.

AI Hub

De AI Hub is dan weer een one-stop catalogus met voorgebouwde pipelines, Jupyter-notebooks, TensorFlow-modules en meer. Enterprise-gebruikers kunnen hier hun pipelines uploaden, delen en hergebruiken binnen de organisatie. De pipelines en AI-modellen kunnen met een enkele klik worden uitgerold via Google Cloud Platform.

De AI Hub is nu nog in alpha en voorziet voornamelijk in resources die door Google werden ontwikkeld, naast de mogelijkheid om eigen modellen binnen het bedrijf te delen. Wanneer de Hub in bèta gaat, worden de assets uitgebreid met een breder gamma van publiek beschikbare content, waaronder ook oplossingen van partners.

“Machine learning dient voor elke organisatie een ander nut, maar bijna elk bedrijf zal in de volgende vijf tot tien jaar datawetenschappers en ML-experts in huis halen. Met onze productline-up richten we ons op elke doelgroep en zorgen we dat ze toegang krijgen tot de krachtigste tools voor machine learning”, besluit Sheth.