Google I/O Join Amsterdam 2023 brachte Innovatoren und Enthusiasten zusammen, um die neuesten Fortschritte in verschiedenen Technologien zu erkunden, darunter maschinelles Lernen (ML) und künstliche Intelligenz (KI). Die Veranstaltung präsentierte mehrere interessante Ankündigungen und beleuchtete die innovativen Entwicklungen von Google. In diesem Artikel werden wir uns mit einigen der wichtigsten Erkenntnisse und Erkenntnissen der Veranstaltung befassen.
Fortschritte beim maschinellen Lernen mit TensorFlow und Keras
Mit der Einführung der DTensor-Parallelverarbeitung stellte das TensorFlow-Crew sein Engagement für die Unterstützung großer Modelle unter Beweis. Dieser Fortschritt ermöglicht das Coaching und die Verarbeitung sehr großer Modelle und eröffnet neue Möglichkeiten für komplexe KI-Anwendungen. Darüber hinaus wurde JAX2TF eingeführt, um die Verwendung von JAX-Modellen innerhalb des Tensorflow-Ökosystems zu vereinfachen und die Palette der für Entwickler verfügbaren Modelle zu erweitern.
ML mit KerasCV und KerasNLP vereinfachen
Keras, eine beliebte Deep-Studying-Bibliothek, stellte neue APIs namens KerasCV und KerasNLP vor, die speziell zur Vereinfachung von Laptop Imaginative and prescient und der Verarbeitung natürlicher Sprache entwickelt wurden. Laurence Moroney demonstrierte, wie diese APIs verwendet werden können, um generative KI-Lösungen für Bilder und Texte zu erstellen, die es Entwicklern ermöglichen, mühelos anspruchsvolle ML-Modelle zu erstellen.
Einfaches ML für Google Sheets
Lieben Sie es, Zahlen in Tabellenkalkulationen zu erfassen? Möchten Sie jemals KI zur Analyse Ihrer Tabellenkalkulationsdaten verwenden? Das Easy ML-Crew hat eine Erweiterung für Google Sheets vorgestellt, die es Benutzern ermöglicht, KI-Technologie für die Analyse von Tabellendaten zu nutzen.
Mit Funktionen wie Prognose, Anomalieerkennung und der Möglichkeit, fehlende Werte wiederherzustellen, können Benutzer KI-Funktionen direkt in ihren Tabellenkalkulationen nutzen. Die Erweiterung bietet außerdem erweiterte Steuerelemente für die Ausführung von ML-Aufgaben, einschließlich Modelltraining, Bewertung und Analyse.
Entdecken Sie vorab trainierte Modelle mit Kaggle-Modellen
Vorab trainierte Modelle sind ein wichtiger Bestandteil moderner ML-Workflows, aber die richtigen vorab trainierten Modelle für bestimmte ML-Aufgaben zu finden, kann eine Herausforderung sein.
Um dieses Downside anzugehen, hat Kaggle einen speziellen Hub eingerichtet, der es Benutzern ermöglicht, Hunderte von Open-Supply-Modellen zu entdecken, zu bewerten, zu optimieren und zu testen, die von Google und anderen führenden Forschern entwickelt wurden. Mit über 2.000 vorab trainierten Modellen, die nach Aufgaben wie Textklassifizierung und Objekterkennung geordnet sind, verfügen Forscher und Entwickler nun über eine wertvolle Ressource zur Beschleunigung ihrer ML-Workflows.
PaLM API & MakerSuite
Massive Language Fashions (LLMs) regen die Fantasie von Menschen auf der ganzen Welt an.
Google hat die PaLM API eingeführt und bietet Entwicklern eine einfache und sichere Möglichkeit, generative KI-Anwendungen unter Verwendung ihrer besten Sprachmodelle zu erstellen. Ergänzt wird die PaLM-API durch MakerSuite, ein intuitives Instrument, das es Entwicklern ermöglicht, schnell Prototypen für Ideen zu erstellen, indem es Funktionen wie schnelles Engineering, Generierung synthetischer Daten und benutzerdefinierte Modelloptimierung bereitstellt, die alle durch robuste Sicherheitstools unterstützt werden.
Die PaLM API und MakerSuite bieten zusammen Zugriff auf die neuesten in der Cloud gehosteten LLMs und ermöglichen Entwicklern die Nutzung modernster Sprachmodelle.
LLMs in Google Cloud skalieren – Vertex AI
Maschinelles Lernen in Google Cloud beginnt mit Vertex AI. Vertex AI bietet ML-Instruments, Dienste, Arbeitsabläufe und Infrastruktur, die alle über eine einfache und einheitliche Plattform zugänglich sind.
Jetzt unterstützt Vertex AI generative KI mit zwei neuen Produkten. Mannequin Backyard und Generative AI Studio
Mannequin Backyard bietet Ihnen Zugriff auf die neuesten KI-Grundmodelle von Google wie PaLM und eine Vielzahl von APIs für maschinelles Lernen wie Textual content, Bild, Code und mehr. Generative AI Studio bietet eine einfache Schnittstelle zum Erkunden, Prototypenbauen und Anpassen dieser generativen KI-Modelle
MediaPipe-Lösung für On-System ML
Das Mediapipe-Crew hat seine Lösung aktualisiert, um sie plattformübergreifend einfacher zu verwenden, anpassbarer zu machen und die Leistung zu bieten, die Sie von einem Crew erwarten würden, das sich auf den Aufbau von ML-Pipelines mit hoher Leistung und geringer Latenz spezialisiert hat.
Duet AI für Google Cloud
Duet AI für Google Cloud ist ein ständig verfügbarer KI-Kollaborator, der Benutzern aller Erfahrungsstufen dort hilft, wo sie sie benötigen.
- Codeunterstützung bietet KI-gesteuerte Codeunterstützung für Cloud-Benutzer wie Anwendungsentwickler und Dateningenieure. Es gibt Codeempfehlungen während der Eingabe in Echtzeit, generiert vollständige Funktionen und Codeblöcke, identifiziert Schwachstellen und Fehler im Code und schlägt Korrekturen vor.
- Chat-Unterstützung ermöglicht es Benutzern, einfache natürliche Sprache zu verwenden, um Antworten auf spezifische Entwicklungs- oder Cloud-bezogene Fragen zu erhalten. Benutzer können die Chat-Unterstützung in Anspruch nehmen, um in Echtzeit Anleitungen zu verschiedenen Themen zu erhalten, beispielsweise zur Nutzung bestimmter Cloud-Dienste oder -Funktionen, oder detaillierte Implementierungspläne für ihre Cloud-Projekte zu erhalten. Es kann auch Greatest Practices für Architektur oder Codierung bereitstellen und so dazu beitragen, die Suche nach relevanten Dokumenten zu reduzieren.
Sichere und verantwortungsvolle KI
Die Entwicklung der KI eröffnet neue Möglichkeiten zur Lösung anspruchsvoller Probleme der realen Welt. Es wirft auch neue Fragen auf, wie man KI-Systeme aufbauen kann, von denen alle profitieren.
Beim Entwerfen von KI-Systemen sollten die Greatest Practices der Softwareentwicklung befolgt und gleichzeitig ein menschenzentrierter ML-Ansatz verfolgt werden
Gerechtigkeit– Da die Auswirkungen von KI in allen Sektoren und Gesellschaften zunehmen, ist es von entscheidender Bedeutung, auf Systeme hinzuarbeiten, die für alle honest und inklusiv sind
Interpretierbarkeit– Um sicherzustellen, dass KI-Systeme wie vorgesehen funktionieren, ist es wichtig, KI-Systeme zu verstehen und ihnen zu vertrauen
Privatsphäre– Für das Coaching von Modellen mit sensiblen Daten sind Schutzmaßnahmen zur Wahrung der Privatsphäre erforderlich
Sicherheit- Das Erkennen potenzieller Bedrohungen kann dazu beitragen, die Sicherheit von Al-Systemen zu gewährleisten
sicher
