Google Cloud AI廣推「人工智慧大眾化」，聚焦AI發展的４大重點

Google 日前在「智慧台灣計劃」（Intelligent Taiwan）啟動大會中，強調人工智慧優先「AI-First」願景，擴大發展全球策略目標。Google Cloud 韓國負責人 Chris Jang 在 Google 雲端機器學習應用活動中表示，Google Cloud AI 服務將著力於四大重點，務求實現「人工智慧大眾化」目標。

AI 正逐漸改變我們的生活、促使各行各業轉型。Google 認為 AI 將大幅改善人們的工作方式與效能，因此 2017 年起以 AI-First 做為企業願景，取代原本的 Mobile First。Chris Jang 指出，為了讓企業、開發者和一般民眾，能更容易也更快速運用 AI，實現人工智慧大眾化（Democratize AI），Google 雲端人工智慧（Google Cloud AI）將以運算、演算法、數據、人才等四大重點推廣 Cloud AI 應用。

在運算方面，Google Cloud AI 提供 GPU、CPU 和 Cloud TPU（Tensor Processing Unit）為機器學習提供基礎動能，以因應 AI 相關運用龐大的運算需求，實現高效運算能力。

至於執行演算法所需的工具，Google Cloud AI 提供多元機器學習服務：

．Google 雲端機器學習服務（Google Cloud Machine Learning） — 以開源機器學習系統 TensorFlow 為建構基礎，打造大型機器學習計畫用的 Google 雲端機器學習服務，為客戶提供易於使用又可規模化的基礎架構，得以專注開發機器學習模型。

空中巴士國防與航太公司（Airbus Defense and Space）便是運用這項服務，訓練視覺模型偵測衛星圖像瑕疵，判斷肉眼所無法分辨的衛星影像，提升分析速度與準確度，有效將辨識錯誤率從 15 ％降至 3 ％。另外，台灣傳產企業和明紡織也是運用 TensorFlow 和 Google 雲端機器學習服務的應用案例之一。

．Cloud AutoML — Google 在 2018 年初推出建模工具平台 Cloud AutoML，透過 Google 進階機器學習和遷移學習（Transfer Learning）技術，為 AI 專業知識與資源有限的企業和開發者用以開發高品質模型。Cloud AutoML 首發產品「Cloud AutoML Vision」，是簡單又具彈性、優於產業安全標準的機器學習服務，能幫助企業和開發者訓練個人化視覺模型。

．Google 雲端機器學習 API — 提供已預先訓練好的機器學習訓練模型，包括「影像辨識 API」（Vision API），能透過電腦視覺偵測影像中的圖案；「翻譯 API」（Translation API），導入神經機器翻譯（Neural Machine Learning Translation）技術大幅提升 Google 翻譯能力；「語音辨識 API」（Speech AI），運用 Google 語音辨識技術，可將 110 種語言和相關變體音訊檔案轉換成文字訊息；「自然語言 API」（Natural Language API）理解文句架構和意義，幫助企業了解客戶喜好需求以提升服務品質。

另外還包括 Google 剛在 3 月 29 日推出的「文字轉語音 API」（Text-to-Speech API），以 DeepMind 所建構的原始音檔生成模型 WaveNet 做為基礎，將文字轉換成高保真語音，有助開發語音助理，目前可支援 12 種語言並可轉換為 32 種自然語言。

Chris Jang 強調戰略性蒐集數據的重要性與必要性，Google 的多樣數據資料庫能幫助企業有效蒐集與整理數據資料，做為後續分析應用的來源。

為因應 AI 時代急速攀升的求才趨勢，Google 持續投入資源培養機器學習人才，例如透過 Google Brain Residency 計畫，每年資助 250 個相關學術研究計畫以及博士生、實習生，另外也打造進階解決方案實驗室（Advanced Solutions Lab），讓企業與 Google 機器學習專家面對面學習與交流。

面對 AI 人才缺乏的問題，韓國手遊開發商網石遊戲（Netmarble Games）AI 部門總監 Dong Hyun Kim 指出，目前 AI、機器學習專業領域人才偏少，過幾年也許情況或將有所改善，接下來網石也考慮在美國成立 AI 機構，希望從各地招募志同道合的人才。