Cómo Google está acelerando el desarrollo de ML

¿Te perdiste una sesión de MetaBeat 2022? Dirígete a la biblioteca a pedido para ver todas nuestras sesiones destacadas aquí.

Acelerar el desarrollo del aprendizaje automático (ML) y la inteligencia artificial (IA) con un rendimiento y un costo optimizados es un objetivo clave para Google.

Google inició su conferencia Next 2022 esta semana con una serie de anuncios sobre las nuevas capacidades de IA de su plataforma, incluida la visión artificial como servicio con Vertex AI Vision y el nuevo ML de código abierto OpenXLA. Durante una sesión en el evento Next 2022, Mikhail Chrestkha, Gerente de Producto saliente en Google Cloud, habló sobre mejoras incrementales adicionales de IA, incluida la compatibilidad con el marco del sistema de recomendación Nvidia Merlin, la inferencia por lotes AlphaFold y la compatibilidad con TabNet.

[Siga la cobertura continua de VentureBeat de Google Cloud Next 2022]

Los usuarios de la nueva tecnología detallaron sus casos de uso y experiencias durante la sesión.

Evento

Vértice de código bajo/sin código

Únase a los principales líderes de hoy en Low-Code/No-Code Summit virtualmente el 9 de noviembre. Regístrese para obtener su pase gratis hoy.

registrarse aquí

"Tener acceso a una infraestructura de IA sólida se convierte en una ventaja competitiva para aprovechar al máximo la IA", dijo Chrestkha.

Uber usa TabNet para mejorar la entrega de alimentos

TabNet es un enfoque de aprendizaje profundo de datos tabulares que utiliza técnicas de transformación para ayudar a mejorar la velocidad y la relevancia.

Chrestkha explicó que TabNet ahora está disponible en la plataforma Google Vertex AI, lo que facilita a los usuarios la creación de modelos explicables a gran escala. Señaló que la implementación de TabNet por parte de Google seleccionará automáticamente las transformaciones de características apropiadas en función de los datos de entrada, el tamaño de los datos y el tipo de predicción para lograr los mejores resultados.

TabNet no es un enfoque teórico para mejorar las predicciones de IA, es un enfoque que ya está dando resultados positivos en casos de uso del mundo real. Entre los primeros usuarios de TabNet estuvo Uber.

Kai Wang, gerente sénior de productos de Uber, explicó que una plataforma creada por su empresa, llamada Michelangelo, ahora maneja el 100 % de los casos de uso de ML de Uber. Estos casos de uso incluyen la hora estimada de llegada del viaje (ETA), la hora estimada de entrega (ETD) de UberEats, así como la coincidencia de pasajeros y conductores.

La idea básica detrás de Michelangelo es proporcionar a los desarrolladores de Uber ML una infraestructura en la que se puedan implementar modelos. Wang dijo que Uber está constantemente evaluando e integrando componentes de terceros, mientras invierte selectivamente en áreas clave de la plataforma para construir internamente. Una de las herramientas fundamentales de terceros en las que confía Uber es Vertex AI, para ayudar a respaldar la capacitación de ML.

Wang señaló que Uber evaluó TabNet con casos reales de uso de Uber. Un ejemplo de caso de uso es el modelo de tiempo de preparación de UberEat, que se usa para estimar cuánto tiempo le toma a un restaurante preparar la comida después de recibir un pedido. Wang señaló que el modelo de tiempo de preparación es uno de los modelos más importantes que se utilizan en UberEats en la actualidad.

"Comparamos los resultados de TabNet con el modelo de referencia, y el modelo TabNet demostró una mejora considerable en el rendimiento del modelo", dijo Wang.

Solo el FAX para Cohere