Google Cloud 通過首都在線進中國？AutoML 能用了？

• 2019 年 12 月 1 日
• 筆記

沒等回 Google Search，先收到了 Google Cloud 要進入中國的消息。

莫非，真能方便地用上 AutoML ？

Google Cloud 要來了？

今天下午，首都在線的官方微信公眾號發布了「Google Cloud 將通過首都在線進駐中國」的消息。

自從數月前，Google 高層頻繁訪華、成立人工智慧學院、表態從未放棄中國市場等一系列訊號，不少人都在翹首以盼 Google 相關產品的回歸。

首都在線雖然在發布不久之後，就火速刪除了文章，並私下表示「首都在線僅僅是海外有代理協議，並不是文中所指的落地中國。」

但這篇文章的語氣肯定，措辭明確，至於刪除文章和出面否認，箇中原因還是值得推敲。

雖然還不能肯定 Google Cloud 能夠順利進駐中國，AutoML 的方便使用可能還要一段時日，不過在其他類似的服務，還是挺多的。

除了 AutoML ？

雖然現在有很多現成的機器學習模型框架可以直接使用，以降低 AI 模型構建成本，而且不少公司也開源了自家的 ML 工具。

但這些框架還不能達到「車同軌，書同文」—— 框架間難以互通使用，而且暫時還沒有一個有效的解決辦法，使 ML 框架可以和任意應用程式對接。企業在使用過程中如果需要同時使用多個 ML 模型框架，還需自己完成不少的工程量。

為了解決這個問題，Salesforce 和 Oracle 都已經分別研發了可以在不同應用中對接這些開源 ML 模型框架的工具。

此前，市面上雖然有針對上述問題的解決方案，比如建立互聯 API ，例如 Python-JSON API 等，但這種方案在實現對接的同時，會損失 ML 模型框架的性能。

即便是 ML 模型通過 API 暫時解決了對接問題，但企業要想將其商用還需構建專門的模型伺服器，構建伺服器不僅成本高昂，而且相當複雜。比如，構建一個 GPU 版本的 TensorFlow-service 可能要花上好幾天。

所以，目前困擾 ML 模型框架被廣泛使用的主要問題一個是缺少標準化的應用程式介面，另一個則是構建模型伺服器的門檻太高。

於是，可以在不同應用中對接這些 ML 模型的框架應運而生。

TransmogrifAI：雲端的 ML 框架

TransmogrifAI 是一個基於 Apache Spark 引擎的 ML 框架，可以進行特徵工程、特徵選擇和模型訓練。還能綜合現有的 ML 模型，使其為任何一款應用程式匹配性價比最高的 ML 模型，而且不需要企業單獨創建模型伺服器。

該框架是由 Salesforce 開發，這家老牌的企業服務公司並不滿足於現狀，也小跑跟上了 AI 的順風車。

最近，他們開源了 TransmogrifAI。

該公司搭建的 AI 平台 Einstein（愛因斯坦）是目前業內最大的機器學習項目之一，擁有先進的機器學習演算法和自然語言處理，及智慧數據挖掘能力。該平台現在可以對接市面上大部分 ML 模型，並簡化這些模型。

讓 Einstein 做到這一切的，就是 TransmogrifAI。

TransmogrifAI 借鑒了 AutoML 原理，目的在於簡化機器學習操作流程，提高開發者工作效率。TransmogrifAI 有四個基本原則：模組化、編譯安全性、透明性和自動化。

這四項原則已經被轉化成一個簡單的編程模型，工程師只需要編寫幾行程式碼就能完成數據整理、特徵工程和模型選擇等任務。

GraphPipe

GraphPipe 可以在雲端提供由 TensorFlow、MXNet、Caffe 2 和 PyTorch 等流行框架製作的機器學習模型。

目的在於降低 ML 模型使用門檻，以便在移動應用和物聯網設備，及 Web 端使用 AI 模型。

它是一種高效的網路協議，可以簡化和標準化遠程/進程之間的機器學習數據傳輸，允許用戶在現有框架下，靈活選擇合適的機器學習模型。這意味著開發人員不必專門構建 API 來對接 AI 模型，也不必費心研究哪個 ML 框架能更好的創建 AI 模型。

此外，GraphPipe 還為針對 TensorFlow 等流行框架為 AI 開發人員推出一系列開源工具。

目前，TransmogrifAI 和 GraphPipe 可以在 GitHub 上免費獲取。

超神經の小百科

TransmogrifAI 架構：

https://www.colabug.com/4152476.html

機器學習——特徵處理：https://blog.csdn.net/kanbuqinghuanyizhang/article/details/78993386

介紹GraphPipe：

https://blogs.oracle.com/developers/introducing-graphpipe

Oracle 開源 Graphpipe ：

Oracle open-sources Graphpipe to make it easier to deploy machine learning models

Salesforce 開源 TransmogrifAI ：

Salesforce open-sources TransmogrifAI, the machine learning library that powers Einstein

特徵推理：

Feature Detection vs. Feature Inference vs. UA String

https://medium.com/@rlynjb/js-interview-question-what-s-the-difference-between-feature-detection-feature-inference-and-76d2e4956a9b