虽然谷歌LLC的人工智能工具已经被认为是业界最好的工具之一，但企业也一直在寻找更新、更简单的方法来将人工智能应用到他们的应用程序中。
因此，谷歌Cloud目前正在为其产品组合添加更多的人工智能服务，此外还有一系列新工具可以帮助企业更轻松地构建其基于人工智能的应用程序。在Google Cloud Next大会上发布的人工智能公告中，这家公共云基础设施巨头发布了一系列人工智能产品，这些产品为企业提供了一种使用人工智能解决常见业务挑战的新方法。
新服务包括文档理解AI的beta版，它通过扫描文档并将其转换为结构性数据，从而形成自动化文档处理工作流程。
Google Cloud集团产品经理LeventBesik在一篇博客文章中写道:“这意味着我们可以利用隐藏在非结构化文档中的事实、见解、关系和知识，更快、更准确地做出数据驱动的业务决策。”
同时，谷歌的联络中心人工智能服务也进入测试阶段。它可以使用人工智能来协助客户服务请求。去年作为alpha服务发布，它使公司能够构建虚拟代理等，同时还提供Agent Assist和Topic Modeler功能，因此人工客户服务代理可以快速找到他们需要的信息，来处理客户的需求。
联合通讯公司和埃森哲公司都成为了联络中心AI的合作伙伴，Salesforce也参与其中。Google的理念是将联络中心人工智能与这些公司的平台整合起来，这样它们的用户也能从中受益。
谷歌还升级了其零售服务云，利用一系列工具帮助零售商从人工智能中获益。这些新工具包括已经被广泛使用的视觉产品搜索，它可以帮助零售商构建集成视觉搜索功能的应用程序。
这样，客户就可以通过拍照在零售商的目录中找到类似的产品。测试版中还有一个新的推荐人工智能工具，零售商可以用它向客户提供个性化的推荐。同时，零售商也可以使用AutoML Tables（测试版）来创建可以预测未来销售等事物的机器学习模型，从而帮助他们最大化收入并优化产品组合。
Constellation Research Inc.的分析师Holger Mueller表示，所有这些都表明，谷歌希望将行业垂直领域作为一种向更多用户提供人工智能的方式。
他说：“谷歌现在进入横向和纵向用例，文档理解人工智能和联络中心人工智能是CTO在自动化领域构建下一代应用程序的关键。最近，谷歌云首席执行官Thomas Kurian宣布使谷歌云更加趋向于垂直，这也是和云零售业契合的地方。”
从全局角度来看，人工智能平台的潜力在于有人工智能参与的创新更容易。管理服务提供商Ensono LP的产品主管Lin Classon表示:“通过提供端到端的人工智能平台，可以使我们更的构思、概念、开发、部署和迭代变得更简单，谷歌让我们在民主化和支持创新方面走得更远。”
AutoML Tables工具实际上只是谷歌新的AI平台中包含的几个工具之一，目前可在测试版中使用。它是一个端到端的开发平台，可以帮助团队准备、构建、运行和管理他们的机器学习项目。
谷歌提供了一系列开箱即用的机器学习工具，但它不可能满足所有人的需求，所以人工智能平台的设计旨在为公司提供构建自己的平台所需的一切。
谷歌产品管理总监Rajen Sheth在其另一篇博客中写道：“通过人工智能平台,我们可以获取数据流或批量数据,并使用一个内置的标签服务轻松标记训练数据（如图像、视频、音频和文本）。我们可以通过应用分类,对象检测、实体提取等过程直接将数据导入AutoML，或者使用现在属于AI平台的Cloud Machine Learning Engine在GCP上训练自己的ML模型。”
Mueller表示人工智能平台看起来是为了把谷歌所有的人工智能产品和服务集中在在一起而设计的，从而鼓励更多的“常规”开发人员成为人工智能开发人员。
谷歌还在更新它的Cloud AutoML developer toolkit，该工具包为训练人工智能模型提供了一个拖放界面，并于去年首次推出。除了上面描述的新的AutoML Tables工具之外，Cloud AutoML还获得了用于图像识别的更新的AutoML Vision服务。
现在，它可以优化机器学习模型，使其运行在所谓的“边缘”设备上，如连接传感器和智能相机。Sheth说，在这类设备中加入智能特性并不容易，因为它们经常受到连接不可靠和延迟等问题的困扰。但是，AutoML Vision Edge通过简化训练和部署或许跨越帮助解决这个问题。
Cloud AutoML在AutoML Video中获得了另一项新服务，它跨越帮助开发人员创建自定义模型，用预定义的标签自动对视频内容进行分类。Sheth说:“这意味着媒体和娱乐行业可以简化一些任务，如自动删除广告或制作高光胶片等，而其他行业可以将其应用于自己特定的视频分析需求，例如，更好地理解流量模式或监督生产流程。”
另外，谷歌还在加强其提供的运行人工智能服务的基础设施。他们正在制造其第三代液冷云张量处理单元，这是通用的AI加速器专用集成电路。
这些，连同谷歌旧版的TPU现在可以与谷歌Kubernetes引擎服务一起使用，以便运行容器化的机器学习工作负载。此外，谷歌现在可以在其八个云区域中访问Nvidia公司新的Tesla T4芯片。
原文链接：https://siliconangle.com/2019/04/10/google-steps-bid-bring-ai-masses/
