0
| 本文作者： 奕欣 | 2017-03-09 17:15 |
谷歌首席執(zhí)行官埃里克·施密特在11年前的搜索引擎大會上首次提出了“云計算”的概念。但在“籠絡”企業(yè)用戶方面，谷歌云的表現(xiàn)卻一直不如亞馬遜AWS與微軟Azure。
沒有人會懷疑谷歌的技術實力，大家只是對它在云的布局一直抱著不確定性。谷歌在消費級的龐大業(yè)務讓不少企業(yè)擔心，它是否真正愿意放下身段，傾注更多的資源與精力在客戶身上？
為了做好云服務，這兩年谷歌一直很拼。不論是讓高級副總裁、VMware的創(chuàng)始人兼CEO Diane Greene執(zhí)掌云服務以贏得企業(yè)信賴，還是去年11月，聘請斯坦福大學教授李飛飛擔任云服務AI與機器學習部門的首席科學家以增強學界信心，甚至根據(jù)谷歌高級副總裁Urs H?lzle的說法，2015年谷歌也花了AWS與微軟總和的兩倍資金用于IaSS基礎設施的建設，而且承諾每月一個數(shù)據(jù)中心的搭建節(jié)奏，這些舉措都在努力地向企業(yè)們證明著它的決心。
砸錢、招人、出產(chǎn)品，谷歌攻城略地的三板斧總是屢試不爽。在今天凌晨的Google Cloud Next' 17云計算大會上，四大天王（Diane Greene、CEO Sundar Pichai、Alphabet 執(zhí)行主席 Eric Schmidt 、云機器學習與人工智能首席科學家李飛飛）加上近十位合作企業(yè)的高管站臺，似乎也多了一分人多勢眾的感覺。
在全長兩個多小時的開場Keynote中，谷歌把大部分時間留給了合作企業(yè)，這些來自零售、娛樂、電信、金融、電商等多個領域的巨頭逐一介紹自家業(yè)務是如何使用云服務的：
迪士尼提及如何用云及機器學習打造更加便利的未來零售體驗；
SAP則宣布HANA數(shù)據(jù)庫將支持Google云平臺，將企業(yè)應用程序集成與云服務集成；
Verizon講了十多萬員工如何用Google云上的生產(chǎn)力工作提升效率；
匯豐介紹了為什么放棄自己的私有云平臺，轉(zhuǎn)而利用Google的云服務；
Ebay演示了如何用Google Home的智能對話功能，為二手的電子產(chǎn)品估價。
相比之下，四位谷歌高管的出現(xiàn)仿佛只是錦上添花，連首次作為谷歌員工上臺演講的李飛飛，也只講了不到半個小時。
這樣的反差似乎也讓我們看到谷歌想做的事情：把舞臺更多地留給企業(yè)，留給更多的一線技術人員。而谷歌會承擔更多的基礎服務，經(jīng)由企業(yè)所提供的服務滲透到民眾的日常生活中。
這也與李飛飛所發(fā)表的演講內(nèi)容緊密聯(lián)系在一起。為普及谷歌云計算，使人工智能真正受惠于民眾，李飛飛提出要推行“democratizing AI”（AI民主化）的理念，并指出要從四個方向發(fā)力：計算力、算法、數(shù)據(jù)和人才。而從這四個民主化的方向上，雷鋒網(wǎng)也一窺谷歌在云服務上的野心和藍圖。
機器學習計算引擎Cloud Machine Learning Engine實際上早在去年就公布了測試版本，這個基于TensorFlow搭建的平臺能夠幫助開發(fā)機器學習模型。在李飛飛的理解中，人工智能技術以往需要精通編程才能順利駕馭，如今借助現(xiàn)有的框架，用戶可以將基礎架構(gòu)和模型搭建全權(quán)交給谷歌云進行大規(guī)模處理，把更多的精力放在“做什么”而不是“怎么做”上。這也是谷歌實現(xiàn)技術普及的一個過程：降低用戶的使用門檻，把更多的基礎內(nèi)容交給更擅長的谷歌團隊來做。
李飛飛于去年11月16日正式加入谷歌云計算業(yè)務新成立的機器學習部門 （Google Cloud Machine Learning），當時掀起了一陣學術圈的熱議。李飛飛依然在斯坦福保留教職，這半年來的大部分時間她都呆在谷歌，專注新AI團隊的建設及跨部門的協(xié)作。加入谷歌后，李飛飛的唯一一次公開露面是在北京的未來論壇2017年會，她發(fā)表了名為《視覺智能的探索》 （The Quest for Visual Intelligent）的演講。在期間，她介紹了將圖片中學習到的內(nèi)容對視頻進行分析與應用，以便利人們的生活。
而在Keynote上，李飛飛就發(fā)布了一系列通用模型API，這也是讓AI變得更加“親民”的一種方式。用于圖像識別的Vision API實際上早已經(jīng)開發(fā)了一段時間，而視頻分析的Video Intelligence API才是新推出的一大亮點，它可以自動識別視頻中的物體，讓視頻實現(xiàn)可搜索。
用李飛飛的話來說，視頻是計算機視覺里面的“暗物質(zhì)”，因為它無法像圖片一樣實現(xiàn)便捷的搜索，但Video Intelligence API現(xiàn)在可以幫助開發(fā)者開發(fā)出從視頻中搜索實體的應用，并標記出對應物體的出現(xiàn)位置。雷鋒網(wǎng)了解到，除了提取數(shù)據(jù)，API還允許在對變換的場景打標簽。
不論是算法訓練還是系統(tǒng)測試，龐大的數(shù)據(jù)量對于人工智能而言毫無疑問都非常寶貴。在與一些高校老師接觸的過程中，雷鋒網(wǎng)也了解到高校目前面臨著“數(shù)據(jù)荒”問題。高校研究目前都是采用公開數(shù)據(jù)集，主要目的是對算法的可行性進行測試。但這些數(shù)據(jù)集比起企業(yè)級別的數(shù)據(jù)實在是九牛一毛。現(xiàn)在不少高校教授同樣身兼企業(yè)的首席科學家，數(shù)據(jù)不得不說是一個非常重要的考量。李飛飛此前加入谷歌，或許也是看中了谷歌在數(shù)據(jù)的強大實力。
以ImageNet為例，李飛飛在會上也坦承了從零構(gòu)建這一數(shù)據(jù)集的艱辛與不易，很大程度在于數(shù)據(jù)整理的繁瑣。而在數(shù)據(jù)的收集與共享上，谷歌通過收購數(shù)據(jù)建模與分析社區(qū)Kaggle實現(xiàn)更好的資源整合。目前Kaggle已經(jīng)聚集了超過85萬的數(shù)據(jù)科學家，并且建立了眾多開源數(shù)據(jù)集。此前，谷歌與Kaggle也有過合作，舉辦了YouTube 8M視頻理解挑戰(zhàn)比賽，而本次的收購金額不詳，但無疑對雙方都有好處：谷歌能夠為Kaggle上的用戶提供市場化的變現(xiàn)機會；而后者可以為谷歌提供更多的開源數(shù)據(jù)集，毫無疑問能夠豐富谷歌的開發(fā)生態(tài)，甚至，它還能成為谷歌數(shù)據(jù)科學家的人才儲備池。
為了讓人工智能的普及范圍更廣，單從企業(yè)的基礎設施入手自然不夠，人才的培養(yǎng)與合作同樣重要。谷歌發(fā)布 Advanced Solution Lab的目的，也在于充分利用谷歌人才的實力，幫助其它企業(yè)解決復雜的機器學習問題；此外，該計劃還將贊助一些嘗試解決困難問題的研究者，讓他們與谷歌一同攜手解決——自然，采用的服務也都會是谷歌生態(tài)下的系列產(chǎn)品，而這一舉措又能夠更好地吸引越來越多的用戶轉(zhuǎn)投谷歌麾下。
從谷歌云服務所提的這些戰(zhàn)略點來看，不論是正式發(fā)布測試已久的Cloud Machine Learning Engine，還是通用模型API，實際上并沒有太多驚艷的地方。Google現(xiàn)任CEO Sundar Pichai也表示，云對于谷歌而言是相當大的賭注。因為云服務不像Google X一樣陽春白雪，它所服務的是每一個可能因為AI而受益的人，影響的范圍可能會是全球性的。
就像李飛飛所提的“AI民主化”的理念一樣，云服務想讓更多的企業(yè)采用谷歌的底層服務，讓更多的用戶通過谷歌的服務接觸到AI，讓大家知道人工智能并不遙遠。相對于曲高和寡的AI技術，谷歌更看重越來越多用戶的“參與感”（participate），
這也是埃里克·施密特在總結(jié)中對企業(yè)和開發(fā)者作出承諾的原因：
“我們是認真的，這是一個非常重要的任務。我們有資金，也有手段和決心，要為所有需要的人提供一個全新的計算平臺”。
在接下來的兩天時間，Google Cloud Next' 17還會繼續(xù)公布哪些新產(chǎn)品呢？雷鋒網(wǎng)將持續(xù)關注。
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
