گوگل ابزارهای تحلیل‌گر جدید مبتنی بر هوش مصنوعی رونمایی کرد

گوگل کنفرانسی به‌نام Google Cloud Next برگزار کرده که ابزارها و سرویس‌های جدید خود در حوزه‌ی خدمات ابری و صنایع وابسته را در آن معرفی می‌کند. بخشی از مراسم، به معرفی ابزارهای تحلیلی مبتنی بر هوش مصنوعی اختصاص دارد. ابزارهایی که با هدف به‌کارگیری هوش مصنوعی در چالش‌های عمومی کسب‌وکارها همچون ساختاردهی به داده‌ها ازطریق اسناد یا پیش‌بینی انبارداری و موارد مشابه به‌کار گرفته می‌شوند.

اولین سرویس معرفی‌شده، AI Platform نام داشت که در نسخه‌ی بتا معرفی شد. سرویس جدید، پلتفرم مخصوص توسعه‌دهندگان است که به تیم‌ها امکان می‌دهد در پروژه‌های یادگیری ماشین با هم همکاری کنند. جامعه‌ی مخاطبان پلتفرم جدید، توسعه‌دهنده‌ها، دانشمندان علوم داده و مهندسان داده هستند. آن‌ها می‌توانند در سرویس گوگل، مدل‌ها را به اشتراک بگذارند و همچنین آموزش و مقیاس‌دهی به روندهای کاری را نیز در همان داشبورد موجود در Cloud Console انجام دهند.

سرویس بعدی غول موتور جست‌وجو، Cloud AutoML نام دارد که نرم‌افزاری با هدف خودکارسازی تولید مدل‌های یادگیری ماشین است. گوگل، سال گذشته این سرویس را معرفی کرد. آن‌ها ابتدا AutoML Vision را معرفی کردند که سرویس Cloud Vision API را به‌نحوی بهبود داده تا دسته‌بندی‌های کاملا جدید وشخصی‌سازی‌شده از تصاویر را به‌خوبی شناسایی کند.

در رویداد امسال، AutoML Tables معرفی شد که به کاربران امکان می‌دهد یادگیری ماشین را در دیتاست‌های ساختاردهی‌شده و جدولی، پیاده‌سازی کنند. آن‌ها می‌توانند داده را از سرویس‌هایی همچون BiqGuery و دیگر ابزارهای ذخیره‌سازی مبتنی بر GCP، به سروس جدید گوگل تزریق کنند.

سرویس دیگر گوگل، به‌نام AutoML Video هم به‌صورت بتا معرفی شد که به توسعه‌دهنده‌ها امکان می‌دهد مدل‌هایی برای دسته‌بندی محتوای ویدئوها طراحی کنند. برخی از کاربردهای مهم سرویس جدید، در صنعت سرگرمی مشاهده می‌شود. در آن بازار، کسب‌وکارها می‌توانند با استفاده از ابزار گوگل، کارهای خود را با مواردی همچون خودکار کردن حذف تبلیغات از ویدئو‌ها یا ساخت گلچینی از آن‌ها آسان‌تر کنند.

گوگل، علاوه‌بر موارد فوق، AutoML Vision Edge را نیز معرفی کرد که آموزش و توسعه‌ی مدل‌های شخصی‌سازی یادگیری ماشین برای دستگاه‌های رایانش لبه‌ای را بر عهده خواهد داشت. مدل‌های توسعه‌یافته توسط ابزار جدید گوگل، دقت بالا و تأخیر پایین‌تری نسبت به مدل‌های موجود خواهند داشت.

کنفرانس گوگل در حوزه‌ی خدمات ابری، میزبان سرویس دیگری نیز بود که Document Understanding AI نام داشت و باز هم در حالت بتا معرفی شد. همان‌طور که از نام سرویس بر می‌آید، گوگل با استفاده از این پلتفرم بدون سرور، دسته‌بندی، استخراج و شکل‌دهی بهینه‌ی داده‌ از اسناد دیجیتالی یا اسکن شده را به کاربران عرضه می‌کند. به‌علاوه، این سرویس با فناوری‌های همکاران گوگل همچون Iron Mountain، Box، DocuSign، Egnyte، Taulia، UiPatch و Accenture هم هماهنگ می‌شود.

هوش مصنوعی مخصوص مراکز تماس، ابزار دیگری بود که توسط گوگل معرفی شد. سرویسی به‌نام Contact Center AI که آن هم در حالت بتا قرار دارد. از مشتریان جدید سرویس مرکز تماس گوگل نیز می‌توان به 8×8، Avaya، Salesforce و Accenture اشاره کرد.

گوگل در بخش تحلیل داده، راهکارهای جدیدی را برای انتقال داده به سرویس ابری خود یعنی Google Cloud معرفی کرد. به‌علاوه، روش‌‌های جدید برای پاکسازی، دسته‌بندی و تفسیر داده نیز رونمایی شدند.

یکی از سرویس‌های مهم گوگل در دسته‌بندی و ترکیب داده‌ها، به‌نام Cloud Data Fusion معرفی شد که سرویسی با مدیریت کامل برای هماهنگ کردن داده‌ها از منابع متفاوت و اتصال آن‌ها با منابع دیگر است. سرویس جدید، به سازمان‌ها امکان می‌دهد تا داده‌های انبارشده را دریافت کرده و برای تحلیل در BigQuery آماده کنند.

سرویس BigQuery هم در برنامه‌های جدید توسعه‌ای به‌نام BigQuery Data Transfer دریافت کرد که امکان ارسال داده‌های بیشتر را به کاربران می‌دهد. به‌علاوه، با استفاده از این سرویس توسعه‌یافته می‌توان جابه‌جایی داده‌ها از اپلیکیشن‌های SaaS به BigQuery را به‌صورت اتوماتیک و طبق زمان‌بندی مشخص انجام داد. این سرویس علاوه‌بر اپلیکیشن‌های خود گوگل، از بیش از ۱۰۰ اپلیکیشن مشهور SaaS پشتیبانی می‌کند که از میان آن‌ها می‌توان به Salesforce، Marketo، Workday و Stripe اشاره کرد.

انبار داده‌ی بزرگ و بی‌سرور گوگل، BigQuery، با سرعت زیادی درحال رشد است. در همین دوران، شرکت نیز تلاش می‌کند تا با سرویس‌های جدید، انتقال داده به آن را آسان کند. غول موتور جست‌وجو ادعا می‌کند حجم داده‌های تحلیل‌شده در سرویس مذکور، تنها در یک سال گذشته ۳۰۰ برابر رشد را تجربه کرد.

تحلیل‌گران داده می‌توانند با استفاده از ابزار جدید گوگل به‌نام Cloud Dataflow SQL، مسیر انتقال داده‌ی اختصاصی خود را بسازند؛ سرویسی که به‌زودی در فاز آلفا و به‌صورت عمومی عرضه خواهد شد. آن‌ها می‌توانند با استفاده از SQL، مسیرهای داده‌ای DataFlow را بسازند که به‌صورت خودکار، نیاز به پردازش داده‌‌ی دسته‌ای یا جریانی را تشخیص دهد. Dataflow SQL از همان سبک SQL استفاده می‌کند که در BigQuery هم دیده می‌شود. درنتیجه، تحلیل‌گران داده می‌توانند از آن در رابط کاربری بیگ‌کوئری هم استفاده کنند.

در بحث تحلیل داده، ابزار جدیدی به‌نام BigQuery BI Engine در نسخه‌ی بتا از سوی گوگل معرفی شد. سرویس جدید، به کاربران بیگ‌کوئری امکان می‌دهد تا دیتاست‌های پیچیده‌تر را با نرخ پاسخگویی بسیار سریع و دقت بالا تحلیل کنند. ابزار مذکور، اکنون ازطریق Google Data Studio در دسترس قرار دارد. در ماه‌های پیش رو، کسب‌وکارهای ارائه‌دهنده‌ی ابزارهای هوشمندسازی تجاری مانند Looker و Tableau نیز می‌توانند از BI Engine استفاده کنند.

باتوجه‌به وابستگی بالای کسب‌وکارها به فایل‌های صفحات گسترده (مانند اکسل) برای آنالیز، گوگل ابزاری به‌صورت صفحات متصل به هم نیز ارائه خواهد کرد. این نوع از صفحات گسترده، به‌صورت کامل با دیتاست‌ها در بیگ‌کوئری ارتباط برقرار می‌کنند.

درنهایت، باید توسعه‌ی BigQuery ML را نیز به برنامه‌های آتی گوگل در حوزه‌ی خدمات ابری و هوش مصنوعی اضافه کنیم. این ابزار، به تحلیل‌گران داده امکان می‌دهد تا مدل‌های یادگیری ماشین را روی دیتاست‌های عظیم و به‌صورت مستقیم از داخل بیگ‌کوئری، بسازند. ارتباط آن‌ها با استفاده از SQL انجام خواهد شد. اکنون، BigQuery ML شامل مدل‌های جدیدی همچون K-Means Clustering و Matrix Factorization می‌شود که به‌ترتیب در فازهای بتا و آلفا ارائه شده‌اند. با استفاده از این مدل‌ها، می‌توان دسته‌بندی مشتریان و پیشنهاد محصولات را به‌کمک یادگیری ماشین انجام داد. به‌علاوه، کاربران اکنون می‌توانند مدل‌های یادگیری عمیق شبکه‌ی عصبی TensorFlow را نیز با استفاده از BigQuery ML بسازند یا به پروژه‌ی مورد نظر خود وارد کنند.