谷歌周二宣布全面推出 Vertex AI，这是一个托管平台，旨在帮助数据科学家和 ML 工程师构建、部署和管理 ML 项目。 这一消息是在今年虚拟举行的谷歌 I/O 大会期间发布的。
虽然谷歌拥有大量机器学习产品和服务——与 AWS 的 SageMaker 等其他平台竞争——但谷歌认为市场上的工具通常是不完整的。
“云和其他平台提供商确实给我们的客户带来了巨大的伤害，”谷歌云 AI 产品管理总监 Craig Wiley 告诉 ZDNet。 “三、四、五年前，我们都推出了这些带有笔记本训练和预测的平台，然后说，‘嘿，你在笔记本上开发你的模型，在我们的训练系统中训练它，然后在我们的预测中将其投入生产 服务，你就完成了。 你猜怎么着——事实并非如此。”
同时，这些工具的性质使其具有挑战性的大规模工作。
使用谷歌云，“你去训练 AutoML Vision 中的模型，你不能使用相同的数据集在我们的堆栈上做任何其他事情。这对我们来说是一个大问题，”Wiley 说。 “我们有客户来找我们说，‘嘿，我真的很喜欢 XY 和 Z，但我希望能够打开它并做些别的事情。’”
Vertex AI 旨在通过启用高度可扩展的工作流以及访问 MLOps 工具来维护和管理生产中的模型来解决这些问题。 它还有望加快构建和训练模型所需的时间。 该平台汇集了用于在一个统一的 UI 和 API 下构建 ML 的 Google Cloud 服务。 在单一环境中工作应该可以更轻松地从实验中转移模型、发现趋势和做出预测。
Vertex AI 让团队能够访问谷歌内部用于计算机视觉、语言、对话和结构化数据的 AI 工具。 Google Research 将定期改进该工具包。
它还包括新的 MLOps 功能，例如优化服务 Vertex Vizier。 客户给 Vertex Vizier 一组变量，以及他们试图优化的函数或指标，以确保模型得到调整。
完全托管的 Vertex Feature Store 可帮助用户共享和重用 ML 功能。 Wiley 解释说，通过将功能连接到 ML 管道等工具，用户可以设置工作流程。
同时，Vertex Experiments 实际上是 TensorBoard 的企业版，TensorBoard 是一种用于测量和可视化机器学习工作流程的工具。 Vertex Experiments 使您可以轻松地在您的组织内共享这些测量值，并找到以前训练过的模型进行比较。
“我们正在努力减少周期时间并提高数据科学家的效率，因为他们寻求正确地完成这项工作，”威利说，“无论是通过采用管道来提高速度，还是通过更好地理解来提高准确性 模型及其使用实验的行为。”
该平台的 MLOps 也包括 Vertex 连续监控和 Vertex 管道，消除了生产模型通常需要的自行维护。
谷歌在 11 月推出了 Vertex AI 预览版，并在几个月前悄悄推出了通用版的统一平台。 Wiley 说，从那时起，范围广泛的客户一直在使用它，包括欧莱雅、Iron Mountain 和德意志银行。 Wiley 表示，受监管行业所需的安全功能——VPC 控制或客户管理的加密密钥等功能——是内置的。
Wiley 说，该平台还适用于广泛的技能水平，从使用 AutoML 功能的业务分析师到复杂的数据科学。
