Tweeter

Jeff Dean, le responsable du projet de recherche Brain sur le deep learning a indiqué que le service d'apprentissage machine proposé sur le cloud de Google s'appuie sur la bibliothèque TensorFlow*. Après AWS (1) et Microsoft Azure (2), Google veut également simplifier l'accès à l'apprentissage machine pour les entreprises.

Il vient d'annoncer le service Cloud Machine Learning en bêta privée.

A l’instar d'Amazon Web Services et de Microsoft Azure (3), Google met, lui aussi, l’apprentissage machine à la disposition des entreprises sur son cloud public.

Sur sa conférence GCP Next 16 consacrée à sa Cloud Platform (23 et 24 mars à San Francisco), Google a annoncé la bêta privée d’un service conçu pour les activités faisant appel à des outils prédictifs.

ðCloud Machine Learning va ainsi permettre aux utilisateurs de créer des modèles d’apprentissage machine personnalisés en travaillant avec leurs données qui se trouvent dans les autres services cloud de Google.

Ce service prend en charge l’intégration des données et la phase d’entraînement, puis il utilise le modèle élaboré par l’entreprise pour faire des prédictions.

Jeff Dean a montré l’élaboration d’un modèle permettant de prédire à quel moment un internaute va cliquer sur une publicité en ligne.

Sa démonstration s’appuyait sur des données anonymisées de la société Critéo, spécialiste du reciblage publicitaire sur le web.

Cloud Machine Learning est construit sur la base de la bibliothèque open source TensorFlow*, de Google, qui fournit déjà des capacités d’apprentissage machine à de nombreux autres produits de la société, comme Inbox et Photos.

Ce projet a notamment servi au programme d’intelligence artificielle AlphaGo de Google Deepmind qui a battu le champion de Go coréen Lee Se-dol.

Microsoft et AWS, proposent déjà des services permettant aux entreprises de construire plus facilement des modèles d’apprentissage machine à utiliser dans le cloud.

L’un des éléments qui pourra peut-être le faire exploser , à terme, sera la possibilité pour les clients d’exporter les modèles TensorFlow depuis le cloud de Google pour les utiliser ailleurs, y compris dans leurs propres datacenters.

En effet, pour l’instant, les services de Microsoft Azure et d'Amazon Web Services nécessitent d’exploiter à travers une API (4) les modèles qui ont été élaborés sur le cloud, ce qui verrouille les utilisateurs de ces produits à l’intérieur de ces écosystèmes respectifs.

Cloud Speech, une API qui s'ajoute à Cloud Vision et Cloud Translate

Google a également annoncé l’API Cloud Speech qui permet aux utilisateurs de faire transcrire des bribes de texte à partir du modèle d’apprentissage machine utilisé par sa technologie de reconnaissance vocale.

Elle fait partie d’un ensemble d’API incluant aussi Cloud Vision, qui fournit des informations sur le contenu d’une image, et Cloud Translate.

De très nombreux fournisseurs, dont Microsoft et IBM, cherchent en ce moment à se faire une place sur ce marché en pleine croissance qui consiste à vendre des API de traitement avancé à utiliser conjointement avec leurs applications.

Google pense que ces capacités vont intéresser les entreprises qui préféreront développer des applications évoluées dans son cloud plutôt que sur d’autres plateformes en raison des innovations qu’il a pu faire valoir dans le domaine du machine learning.

Reste à savoir si ce sera le cas, compte-tenu du fait que Google a toujours un train de retard sur Microsoft et AWS dans le cloud public.

*TensorFlow est un outil open-source d'apprentissage automatique développé par Google. Le code source a été ouvert  en novembre 2015 par Google

Meilleures réponses aux recherches des utilisateurs, rapidité, prise en compte du contexte, le machine learning (ML) s’étoffe pour devenir du deep learning, s’apparentant au réseau neuronal.

(1)             Lancé officiellement en 2006, Amazon Web Services fournit des services en lignes à d'autres sites internet ou applications clientes.

La plupart d'entre eux ne sont pas directement exposés à l'utilisateur final, mais offrent des fonctionnalités que d'autres développeurs peuvent utiliser.

Parmi les grands clients figurent la NASA, Netflix et le service de renseignement extérieur américain (CIA).

 

(2)           Voir :

Big Data et analyse prédictive : Microsoft lance Azure ML - News - publié le 20/06/2014 Microsoft annonce le lancement de sa nouvelle plateforme Azure Machine Learning (ML). Une plateforme en cloud dédiée à l’analyse prédictive sur de gros volumes de données.

(3)           Azure Machine Learning (ML) : c’est le nouvel outil incontournable des principaux éditeurs et fournisseurs de services : l’analyse prédictive dans le cloud.

 

(4)            En informatique, une interface de programmation applicative (souvent désignée par le terme API pour Application Programming Interface) est un ensemble normalisé de classes, de méthodes ou de fonctions qui sert d’interface par laquelle un logiciel offre des services à d'autres logiciels.

Elle est offerte par une bibliothèque logicielle ou un service web, le plus souvent accompagnée d'une description qui spécifie comment des programmes consommateurs peuvent se servir des fonctionnalités du programme fournisseur.

Dans l'industrie contemporaine du logiciel, les applications informatiques se servent de nombreuses interfaces de programmation, la programmation se fait en réutilisant des briques de fonctionnalités fournies par des logiciels tiers.

Cette construction par assemblage nécessite pour le programmeur de connaître la manière d’interagir avec les autres logiciels, qui dépend de leur interface de programmation.

Le programmeur n'a pas besoin de connaître les détails de la logique interne du logiciel tiers, et celle-ci n'est généralement pas documentée par le fournisseur.

Des logiciels tels que les systèmes d'exploitation, les systèmes de gestion de base de données, les langages de programmation, ou les serveurs d'applications comportent une interface de programmation.