AI-Services und Machine Learning aus der Cloud

Die Einstiegshürde für die Bereitstellung intelligenter Anwendungen wird immer niedriger. Fast alle großen Cloud-Anbieter wie Microsoft, Amazon, IBM oder Google bieten kostengünstige Entwicklungswerkzeuge für Artificial Intelligence (AI) auf SaaS-Basis an. Machine Learning bildet den Schwerpunkt, doch es gibt auch immer mehr andere kognitive Services aus der Cloud. [...]

GOOGLE CLOUD MACHINE LEARNING
Das Hauptprodukt von Google’s AI-Services ist die Cloud Machine Learning Platform. Sie besteht aus einer ganzen Reihe unterschiedlich ausgerichteter Dienste, die sich mit anderen Cloud-Plattformen von Google verbinden lassen. Über APIs können diese Services in eigene Unternehmens-Anwendungen integriert werden.

Die APIs, die Google AI-Entwicklern anbietet, sind breit gefächert und eignen sich dafür, Anwendungen das Sehen, Hören oder Übersetzen beizubringen. Beispielsweise ermöglicht die Google Cloud Vision API Bildanalyse und die Google Cloud Speech API Spracherkennung. Mit der Natural Language API sind Textanalysen möglich und mit der Translate API Übersetzungen. In jedem Fall profitieren Entwickler von den Vorteilen von Googles eigenen Diensten. Allerdings sind sie damit auch auf die angebotenen Google-Services beschränkt.
Eigene Modelle für maschinelles Lernen lassen sich mit der Cloud ML Plattform erstellen und trainieren. Deren Verwendung erfordert allerdings gute Machine-Learning-Fähigkeiten. Basis dafür ist das ebenfalls von Google stammende Open-Source Framework TensorFlow. Die Bibliothek für maschinelles Lernen basiert auf einer Deep-Learning-Infrastruktur und macht das neuronale Netz damit allgemein verfügbar.
Zur Verbesserung der Prognosegenauigkeit gibt es eine Funktion namens HyperTune. Diese durchforstet die erstellten Modelle und verbessert automatisch die Vorhersagegenauigkeit. Weil Hypertune automatisch Parameter aufeinander abstimmt können Entwicklern ihre Modelle nicht nur besser machen, sondern diese auch schneller bauen.

Zur Datenverwaltung lassen sich Cloud Storage, Cloud Dataflow und Cloud Datalab verwenden. Da Cloud ML deutlich mehr Kenntnisse im Bereich des maschinellen Lernens erfordert als andere Angebote hat Google den Professional Service „Machine Learning Advanced Solutions Lab“ eingeführt, über den sich Interessenten beraten lassen können.