Au récent Google I/O 2021 conférence, le fournisseur de cloud a annoncé la disponibilité générale de Vertex AI, une plate-forme d’apprentissage automatique gérée conçue pour accélérer le déploiement et la maintenance de modèles d’intelligence artificielle.
Utilisant IA des sommets, les ingénieurs peuvent gérer des ensembles de données image, vidéo, texte et tabulaires, créer des pipelines de machine learning pour entraîner et évaluer des modèles à l’aide d’algorithmes Google Cloud ou d’un code d’entraînement personnalisé. Ils peuvent ensuite déployer des modèles pour des cas d’utilisation en ligne ou par lots, le tout sur une infrastructure gérée évolutive.
Le nouveau service fournit des images Docker que les développeurs exécutent pour servir des prédictions à partir d’artefacts de modèle entraînés, avec des conteneurs prédéfinis pour TensorFlow, XGBoost et Scikit-learn prédiction. Si les données doivent rester sur site ou sur un appareil, Vertex ML Edge Manager, actuellement expérimental, peut déployer et surveiller des modèles à la périphérie.
Vertex AI remplace les services existants tels que AI Platform Data Labeling, AI Platform Training and Prediction, AutoML Natural Language, AutoML Video, AutoML Vision, AutoML Tables et AI Platform Deep Learning Containers.
Andrew Moore, vice-président et directeur général de Cloud AI chez Google Cloud, explique pourquoi le fournisseur de cloud a décidé d’introduire une nouvelle plate-forme :
Nous avons eu deux phares lors de la création de Vertex AI : sortir les scientifiques des données et les ingénieurs des mauvaises herbes de l’orchestration et créer un changement à l’échelle de l’industrie qui obligerait tout le monde à prendre au sérieux le passage de l’IA du purgatoire pilote à la production à grande échelle.
Cassie Kozyrkov, responsable de la décision scientifique chez Google, points forts le principal avantage du nouveau produit, la gestion de l’ensemble du cycle de vie du développement de l’IA et de l’apprentissage automatique :
Si seulement l’apprentissage automatique avait l’équivalent d’un couteau suisse qui était 80 % plus rapide à utiliser que la boîte à outils ordinaire. Bonne nouvelle, à partir d’aujourd’hui c’est le cas !
Dans l’un des commentaires, Ornela Bardhi, titulaire d’un doctorat Marie Curie en IA et santé à l’Université de Deusto, fait l’éloge du nouveau service mais soulève une question sur la responsabilité des services gérés dans l’apprentissage automatique :
Il était temps qu’une entreprise crée une telle plate-forme (…) Si le modèle ne fonctionne pas comme prévu, qui serait responsable dans ce cas ? Considérant que l’un des avantages est de « former des modèles sans code, une expertise minimale requise ».
Certains utilisateurs sur Reddit question à la place si la plate-forme annoncée est simplement un changement de marque, comme le suggère l’utilisateur 0xnld :
Pas évident d’après l’article, mais il semble qu’il s’agisse d’un rebranding de AI Platform (unifiée) qui était en version bêta depuis environ un an.
Dans un séparé article, Google explique comment rationaliser les flux de travail de formation ML avec Vertex AI, en évitant d’exécuter une formation de modèle sur des environnements locaux tels que des ordinateurs portables ou des ordinateurs de bureau et en travaillant plutôt avec le service de formation personnalisé de Vertex AI. À l’aide d’une image TensorFlow 2 prédéfinie comme exemple, les auteurs expliquent comment empaqueter le code d’une tâche de formation, soumettre une tâche de formation, configurer les machines à utiliser et accéder au modèle formé.
le prix modèle de Vertex AI correspond aux produits ML existants qu’il remplacera. Pour les modèles AutoML, les utilisateurs paient pour entraîner le modèle, le déployer sur un point de terminaison et l’utiliser pour faire des prédictions.
.
