谷歌宣布其人工智能平臺的一個關鍵組成部分——人工智能預測服務已正式全面啟動。該服務支持托管在主流的機器學習框架，包括TensorFlow、XGBoost和Scikit-Learn中。

AI Prediction服務充當機器學習管道的最后階段。它在云中托管經(jīng)過訓練的機器學習模型，以推斷新數(shù)據(jù)的目標值。部署在AI預測服務中的經(jīng)過訓練的模型作為REST端點公開，可以從任何支持HTTP的標準客戶端調(diào)用這些端點。

AI平臺預測服務基于Google Kubernetes Engine（GKE）后端，旨在通過新的硬件選項（如Google計算引擎機器類型和NVIDIA GPU）提高可靠性和靈活性。

雖然該服務基于googlekubernetes引擎，但AI預測服務隱藏了集群的供應、管理和擴展的復雜性。數(shù)據(jù)科學家和工程師可以專注于業(yè)務問題，而不是管理基礎設施。

在一般可用性下，AI預測服務支持高內(nèi)存和高cpu機器類型上的XGBoost和Scikit學習模型。在后臺，服務根據(jù)流量和請求自動擴展和收縮基礎設施。

該服務與Google云控制臺和Stackdriver緊密集成，以跟蹤和可視化資源指標。與模型的GPU、CPU、RAM和網(wǎng)絡利用率相關的性能指標可以深入了解性能特征。

客戶可以選擇通過AI Prediction服務在特定區(qū)域部署機器學習模型。Google在三個區(qū)域（us-central1、euro-west4和asia-east1）中引入了新的端點，并通過區(qū)域隔離來提高可靠性。部署在區(qū)域端點上的模型位于指定區(qū)域內(nèi)，為客戶提供數(shù)據(jù)局部性和所有權。

通過增加對VPC控件的支持，客戶可以定義安全范圍并部署僅可訪問該范圍內(nèi)或另一個橋接范圍內(nèi)的資源和服務的在線預測模型。由于預測服務端點是VPC專用的，因此數(shù)據(jù)保留在專用網(wǎng)絡內(nèi)，而不必遍歷公共互聯(lián)網(wǎng)。

通過AI Prediction服務部署和公開的模型支持在線和批處理推理。在線預測經(jīng)過優(yōu)化，可最大程度地減少服務預測的延遲，而批處理預測，則可以優(yōu)化處理作業(yè)中的大量實例。與立即發(fā)送結果的在線預測不同，批處理預測將推理輸出寫入存儲在Google Cloud Storage存儲桶中的文件中。

谷歌一直在大力投資人工智能平臺即服務（PaaS）產(chǎn)品。它整合和擴充了包括cloudml引擎在內(nèi)的各種服務。通過與GKE和Kubeflow的緊密集成，該服務已經(jīng)發(fā)展成為一個支持數(shù)據(jù)準備、轉換、培訓、模型管理、部署和推理的端到端平臺。
責任編輯：tzh