Компания Google начала публичное тестирование облачного сервиса Cloud AutoML, который позволит другим компаниям создавать модели машинного обучения для своих задач. Сервис имеет графический интерфейс и им смогут пользоваться даже те, кто не умеет программировать. Изначально в сервисе можно будет тренировать модели для распознавания образов, но в будущем его можно будет использовать для более широкого круга задач, сообщается в блоге компании.
В последние несколько лет многие крупные компании начали использовать в своих сервисах алгоритмы, основанные на машинном обучении. Но для создания эффективных моделей машинного обучения нужны высококлассные программисты, а также большие объемы размеченных данных. Из-за этого небольшие компании не могут использовать эту технологию в полном объеме.
Ранее Google уже запустила несколько сервисов, которые позволяют использовать натренированные модели общего назначения или создавать и тренировать свои модели, но они требуют навыков программирования и опыта в машинном обучении. Теперь компания представила новый сервис Cloud AutoML, котором пользователи могут создавать свои модели с помощью графического интерфейса. Его особенность заключается в том, что пользователь загружает в него исходные данные и размечает их, но оптимизацией архитектуры модели для конкретной задачи занимается нейросеть. При таком подходе задача дается немного различающимся моделям, которые конкурируют между собой, и из них отбираются модели с наилучшими результатами, после чего процесс может повторяться.
Изначально пользователям доступен сервис Cloud AutoML Vision, в котором можно создавать и тренировать модели для распознавания образов. К примеру, пользователь может загрузить в него массив из фотографий комнат и файл с разметочными данными или самостоятельно разметить их в самом сервисе. Затем сервис тренирует модель и выдает пользователю результаты сортировки изображений по типам комнат. После этого для модели можно создать API для доступа и запустить прямо в облаке Google.
Компания заявляет, что при классификации образов из известных наборов данных для машинного обучения, таких как ImageNet и CIFAR, полученные в сервисе модели имеют эффективность, аналогичную лучшим существующим моделям. Google не называет конкретных цен использование сервиса, но известно, что пользователи будут платить отдельно за тренировку, в зависимости от вычислительных затрат при этом, и за использование API.
В прошлом году Google представила похожий экспериментальный сервис Teachable Machine. В нем пользователь может натренировать нейросеть распознавать движения и выдавать в ответ привязанную к этому действию анимацию, звук или фразу.
Григорий Копиев