Com novo kit, Google quer facilitar aprendizado para democratizar AI

Suíte permite que companhias criem modelos de visão customizados com base na tecnologia de reconhecimento de imagem

Google | Notícias de TI | Globalmask

O Google lançou um pacote de ferramentas fáceis de usar que permitem aos desenvolvedores com conhecimento limitado em machine learning a treinar modelos customizados. Chamada de AutoML, a nova suíte alavanca os modelos de machine learning pré-treinados e a tecnologia Neural Architecture Search da gigante de buscas.

Os produtos fazem parte da missão do Google para “democratizar a inteligência artificial (AI)” e “diminuir a barreira de entrada e tornar AI disponível para o maior número possível de desenvolvedores, pesquisadores e negócios da comunidade”, explicam a cientista chefe para AI na nuvem do Google, Fei-Fei Li, e a diretora de P&D para AI na nuvem da gigante, Jia Li, em um post no blog da empresa.

O primeiro produto do pacote a ser disponibilizado – para quem se inscrever e for aprovado – é o AutoML Vision, que permite a criação de modelos de visão customizada com base na tecnologia proprietária de reconhecimento de imagens do Google.

Os desenvolvedores arrastam e soltam imagens em uma interface de usuário em que podem rotulá-las, com base nas suas exigências. O modelo é treinado com essas entradas, e os usuários então podem avaliar e depois refiná-lo.

O Google também está oferecendo uma “equipe interna de rotuladores humanos” que irão revisar instruções customizadas e classificar as imagens de acordo com elas. Os primeiros usuários da novidade incluem a varejista de roupas Urban Outfitters, que testou automatizar o reconhecimento de características específicas de produtos, como padrões e estilos de decotes. Já a

Disney está usando a tecnologia para criar modelos de visão para anotar produtos com seus personagens, categorias de produtos e cores.

Além disso, a Sociedade Zoológica de Londres vem usando o AutoML Vision para analisar e anotar imagens de animais feitas por “armadilhasfotográficas” (câmeras protegidas e ativadas remotamente) na natureza. “Atualmente, apenas algumas empresas no mundo possuem acesso ao talento e aos orçamentos necessários para se apreciar completamente os avanços do Machine

Learning e da Inteligência Artificial”, apontam as especialistas do Google.

“Há um número muito limitado de pessoas que podem criar modelos avançados de machine learning. E se você é uma das pessoas com acesso a engenheiros de AI e ML, ainda terá de gerenciar os processos complicados e com uso intenso de tempo para construir o seu próprio modelo customizado de ML.”

Apesar de o Google ter introduzido a sua Cloud Machine Learning Engine no ano passado, entregue via APIs, o novo pacote vai ajudar a “fechar o buraco” e tornar a IA “acessível para qualquer empresa”, segundo a gigante de buscas.

Um voto para o machine learning

Os fornecedores de nuvem rivais do Google também estão trabalhando para “democratizar” o aprendizado de máquina.

O Azure Machine Learning Studio, da Microsoft, é um “ambiente simples baseado no navegador de autoria visual para arrastar e soltar em que não é preciso compilar códigos”. Em setembro, a companhia de Redmond expandiu o alcance da sua ferramenta de AI – apesar de os produtos ainda estarem no modo preview.

Já a Amazon Web Services (AWS) lançou em novembro do ano passado, durante a sua conferência Re:Invent, um serviço de machine learning totalmente gerenciado de ponta a ponta chamado de Sagemaker e uma câmera de vídeo que roda modelos de aprendizado profundo chamada de DeepLens.

“Os criadores não querem que o machine learning seja tão difícil. Eles não querem que seja algo tão obscuro. Não querem que seja uma caixa preta. Eles querem que seja algo fácil para se trabalhar”, afirmou o CEO da AWS, Andy Jassy, na época do lançamento.

“Apenas não existem tantos especialistas em machine learning no mundo. A maioria acaba indo parar nas grandes empresas de tecnologia E se você quer que a maioria das empresas possam usar o machine learning de uma maneira expansiva, então temos de resolver o problema para torná-lo acessível para desenvolvedores e cientistas comuns”, explica

Posts Em Destaque
Posts Recentes