Google Cloud 於 19 日 Google I/O 開發者大會發表 Vertex AI，是新代管式機器學習平台，開發人員可更輕鬆部署和維護 AI 模型。過去 Google I/O 大會不會發表太多 Google Cloud 的新聞，如今宣布推出 Vertex AI 服務，在在說明 Google 認為對眾多開發人員的重要性。
訓練模型程式碼減少約 80%，完整的模型生命週期管理
Vertex 是 Google Cloud 團隊對市場需求深思熟慮的結果。「在我看來，機器學習在企業正處於危機，」Google Cloud AI 平台產品管理總監 Craig Wiley 表示。「凡是在這個領域工作多年的人，只要看看《哈佛商業評論》或分析師評論，每個人都會說，大多數公司不是正在投資機器學習，就是對這投資感興趣，但卻沒有公司從中獲得價值。這種情況必須改變。」
2019 年加入 Google 前，Wiley 曾在 2016~2018 年擔 AWS SageMaker AI 服務總經理，他指出，Google 和其他讓機器學習發揮作用的人莫不看到機器學習如何造成變革性影響，但他也指出，大型雲端平台多半透過推動數十項服務為提供服務的起手式，「其中許多都陷入死胡同」（Google 自己一些服務也是如此）。「最終，我們與 Vertex 的目標縮減這些企業的投資報酬率時間，確保不僅可建立模型，且從模型獲得真正的價值。」
因此 Vertex 是非常靈活的平台，能讓具備不同技能水準的開發人員和資料科學家快速訓練模型。Google 表示，與競爭對手相比，訓練模型所需程式碼行數減少約 80%，並協助他們為這些模型進行完整生命週期管理。
Feature Store 與 Vertex Pipelines 加持，能加速 AI 模型部署至實際產線
服務還整合 Google AI 優化器 Vizier，可自動調整機器學習模型的超參數（hyperparameter）。大大減少調整模型所需時間，並允許工程師做更多實驗，速度還更快。
Vertex 還提供所謂的「功能商店」（Feature Store），幫助用戶支援、共享和重新使用機器學習功能及 Vertex 實驗，幫助他們透過更快模型選擇，加速將模型部署至生產線。
部署背後是由一項持續監控服務和 Vertex Pipelines 支撐，亦即 Google Cloud 旗下新命名的 AI Platform Pipelines，可幫助團隊管理與模型資料的準備與分析有關的工作流，然後訓練評估並部署到生產。
為了提供各種開發人員正確切入點，提供三種介面：拖拉式工具、進階用戶專屬 Notebook 開發環境以及 BigQuery ML，BigQuery ML 是 Google 旗下使用標準 SQL 查詢，以便在自家 BigQuery 資料倉儲建立並執行機器學習模式工具。
「構建 Vertex AI 時，我們有兩個明確目標：讓資料科學家和工程師擺脫機器學習工作流編排的束縛；創造整個產業的轉變，讓每個人都認真考慮將 AI 從先期測試的煉獄，轉向至全面量產。」Google Cloud 雲端 AI 與產業解決方案副總裁兼總經理 Andrew Moore 表示。「我們為取得的成就感到自豪，因使新一代 AI 真正部署，進而讓資料科學家和工程師從事有意義與富創意的工作。」
（首圖來源：Google Cloud）
