Original-URL des Artikels: https://www.golem.de/news/ai-hub-und-kubeflow-pipelines-google-will-ki-komponenten-einfacher-nutzbar-machen-1811-137620.html    Veröffentlicht: 09.11.2018 12:44    Kurz-URL: https://glm.io/137620

AI Hub und Kubeflow-Pipelines

Google will KI-Komponenten einfacher nutzbar machen

Für Google ist der Einsatz von künstlicher Intelligenz offenbar immer noch nicht einfach genug, deshalb stellt das Unternehmen in dem neuen AI-Hub nun Funktionen vor, die eine Plug-and-Play-Nutzung ermöglichen soll. Außerdem wird das Weiterreichen eigener Machine-Learning-Anwendungen nun einfacher.

"Unser Ziel ist es, KI für alle Unternehmen zugänglich zu machen", schreibt Google in seinem Cloud-Blog. Deshalb arbeitet das Unternehmen unter anderem daran, die Einstiegshürden für die Nutzung der Unternehmen aus seiner Sicht deutlich zu verringern und bietet die Ergebnisse dieser Arbeit nun als Dienst in seiner Cloud-Plattform an. Dazu gehört unter anderem das neue AI-Hub, was Google als zentrales Anlaufziel für Plug-and-Play-Inhalte im Bereich des maschinellen Lernen dienen soll.

In dem AI Hub bündelt Google entsprechend eine Vielzahl verschiedener Ressourcen, die für die Arbeit in diesem Bereich benötigt werden. Dazu gehören fertige Machine-Learning-Pipelines, Jupyter-Notebooks, Tensorflow Module und weitere Angebote. Die fertigen Pipelines samt Algorithmen basieren unter anderem auf den Forschungsarbeiten und dem Produktiveinsatz von Technik bei Google selbst, so dass Unternehmen diese schnell wiederverwerten und weiter bearbeiten können. Zusätzlich dazu soll dieses Angebot Firmen ermöglichen, intern eine Art private und sichere Anlaufstelle für eigene KI-Ressourcen aufzubauen, wo diese hochgeladen und geteilt werden können.

Doch Google schreibt dazu: "Es reicht nicht aus, einen Ort zu bieten, an dem Organisationen ML-Ressourcen entdecken, gemeinsam nutzen und wiederverwenden können. Sie benötigen außerdem eine Möglichkeit, diese Ressourcen so zu bauen und zu packen, dass sie für die meisten internen Anwender möglichst nützlich sind". Bieten sollen das die neuen Kubeflow Pipelines.

Diese Technik basiert auf dem Open-Source-Projekt Kubeflow, das wiederum auf Jupyter Notebooks und dem hauseigenen Machine-Learning-Framework Tensorflow aufbaut. Kubeflow soll wie erwähnt das Verpacken von ML-Code so einfach machen wie das Bauen anderer Apps. Die sogenannten Pipelines sollen dabei die Orchestrierung der verschiedenen Komponenten übernehmen. Ebenso sollen damit einfacher Experimente ermöglicht werden als bisher und einzelne Komponenten leichter wiederverwendet und miteinander verbunden werden.  (sg)


Verwandte Artikel:
Tesla T4: Nvidia bringt Googles Cloud auf Turing   
(13.09.2018, https://glm.io/136548 )
Shielded VMs: Googles Cloud sichert VMs und Container stärker ab   
(26.07.2018, https://glm.io/135705 )
Security: Google-Anmeldung fordert künftig eingeschaltetes Javascript   
(01.11.2018, https://glm.io/137465 )
Office-Software: Die neue .new-Domain ist eine Abkürzung zu Google Docs   
(30.10.2018, https://glm.io/137400 )
Cloud Next: Google nutzt Nvidias Tesla P4 für Inferencing   
(25.07.2018, https://glm.io/135687 )

© 1997–2019 Golem.de, https://www.golem.de/