Google a profité de la deuxième journée de sa conférence Google Cloud Next 2019 qui se poursuit actuellement au Moscone Center à San Francisco, aux États-unis pour dévoiler sa plateforme de développement consacrée à l’intelligence artificielle (IA). Selon Google, la plateforme du nom d’IA Platform est conçue pour faciliter la tâche des développeurs en apprentissage automatique, des informaticiens et des ingénieurs en informatiques qui souhaitent que leurs projets ML (machine learning) passent de l’idéation à la production et ensuite au déploiement, d'une façon rapide et à moindre coût. Ce projet, dit Google, s’inscrit dans une vision de démocratisation de l’intelligence artificielle et de l’apprentissage automatique. IA Platform fournit un ensemble de modèles prédéfinis et de services plus simples et plus faciles d’utilisation avec des options de développement avancé pour les développeurs qui désirent mettre en place leurs propres d’apprentissage automatique. Autrement dit, il propose aux scientifiques et aux développeurs un service de bout en bout pour la construction, le test et le déploiement de leurs systèmes d’IA basés sur des modèles existants ou sur des modèles personnalisés. Pour ce faire, IA Platform fonctionne parallèlement avec un large éventail d’outils de Google tels que Google AI, la librairie Google TensorFlow, KubeFlow, etc.
En effet, AI Platform prend en charge KubeFlow, la plateforme open source de Google qui vous permet de créer des pipelines ML portables que vous pouvez exécuter sur site ou sur Google Cloud sans modifications majeures du code. Vous aurez également accès aux technologies de pointe de Google AI, telle que TensorFlow, les TPU et les outils TFX, lors du déploiement de vos applications d'intelligence artificielle en production. De plus, pour préparer vos données, vous pouvez utiliser Cloud Storage ou BigQuery (des bases de données hébergées de Google) pour stocker vos données. Ensuite vous avez la possibilité d’utiliser le service d'étiquetage de données intégré pour étiqueter vos données d'entraînement en appliquant une classification, une détection d'objet, une extraction d'entités, etc., pour les images, les vidéos, les audios et le texte. Vous pouvez également importer les données étiquetées dans AutoML et former directement un modèle.
Le processus de création et d’exécution a été simplifié selon les indications de Google. Avec le service géré Jupyter Notebook qui fournit des environnements entièrement configurés pour différents frameworks ML utilisant le service Deep Learning VM Image, vous pourrez créer très facilement vos applications d’intelligence artificielle avec GCP (Google Cloud Platform). Après quoi, vous avez ensuite la possibilité d’utiliser les services AI Platform Training et Prediction pour former vos modèles et les déployer en production sur GCP dans un environnement sans serveur, ou sur site à l'aide des microservices de formation et de prévision fournis par KubeFlow.
Dans ce processus de création et de déploiement, Google a annoncé avoir amélioré la gestion des documents ainsi que l’expérience de partages de vos différents modèles avec d’autres utilisateurs au sein de la nouvelle plateforme et ses autres plateformes existantes. Vous avez la possibilité de gérer vos modèles, vos expériences et vos flux de travail de bout en bout à l'aide de l'interface AI Platform de la console GCP ou sur site à l'aide de KubeFlow Pipelines. AI Platform propose aussi des outils avancés pour vous aider à comprendre les résultats de votre modèle et à les expliquer aux utilisateurs professionnels. De plus, la gestion des documents repose sur une nouvelle API de Google actuellement en version bêta, l’API Document Understanding. Il s'agit d'une nouvelle plateforme capable d'analyser automatiquement des documents numérisés ou numériques.
Le service combine essentiellement la possibilité de transformer une page numérisée en texte lisible par une machine, puis d'utiliser les autres services d'apprentissage automatique de Google pour en extraire des données. La mise en route de cette plateforme semble être appréciée par quelques-uns de ses clients. « Dans le commerce de détail, il est important de fournir aux clients un accès facile à des produits alternatifs ou aux add-ons recommandés. Nous formons nos propres modèles d'apprentissage automatique avec TensorFlow sur Google Cloud ML, et nous automatisons le recyclage périodique de ces modèles avec Kubeflow Pipelines. Avec AI Hub, utile pour le partage de modèles entre scientifiques de données, nous pouvons désormais itérer plus rapidement sur nos modèles et les déployer automatiquement pour la mise en scène et la production » a déclaré Lucas Ngoo, un cofondateur de Carousell, un marché de communautaire basé sur le Web et les smartphones, destiné à l'achat et à la vente de biens neufs et d'occasion.
Cela dit, pour certains, cette offre de Google est une simple copie d’Azure ML et cela n’est en rien une démocratisation de l’IA. En rappelle, Microsoft Azure Machine Learning Studio est un environnement de développement intégré basé sur une interface graphique qui permet de créer et de rendre opérationnel un flux de travail d’apprentissage automatique sur Azure. Selon eux, il s’agit juste d’une solution commerciale. « C'est tellement hypocrite pour Google de qualifier cela de démocratisation de l'IA. C'est précisément le contraire. C'est la banalisation classique de votre complément. Google s'efforce de centraliser les plateformes d'intégration, de gestion des données et informatiques pour l'apprentissage automatique, afin que ces éléments deviennent le plus pratique possible. C'est tout le contraire de la démocratisation. Si vous pensez que cela va vous permettre d'économiser de l'argent par rapport à la concurrence pour obtenir votre propre personnel d'apprentissage automatique, vous vous trompez et vous allez probablement gaspiller des centaines de milliers de dollars avant d'apprendre que vous vous trompez », ont-ils déclaré.
Source : Google
Et vous ?
Que pensez-vous de cette plateforme de Google ? Pensez-vous que cette plateforme d'IA de Google est vraiment pour la démocratisation de l’intelligence artificielle ? Pourquoi ?Voir aussi
Azure : Microsoft annonce la disponibilité de son service Machine Learning pour faciliter la création de modèles d'apprentissage automatique Project Maven : Google a fait appel aux travailleurs de la gig economy pour entraîner son IA dont l'usage est militaire Google aurait-il simulé une avancée dans le domaine de l'IA avec Google Duplex ? Un quotidien relève quelques incohérences Google progresse dans les tests de Duplex, son IA pour les échanges téléphoniques est désormais disponible pour une poignée d'utilisateurs de Pixel