极密曝光! GCP架构实战! - AI学习应用

提起大众对于Google的印象，不外乎是最先进的研发能量与创新精神，可以说是各种开源新技术的先驱，从K8S，再到TensorFlow的开源，几乎都有Google的踪影。尤其又以AI (Artificial Intellience)技术所为人称道，现在市场上所使用的Google产品，大部分也是透过GCP的AI技术来搭建的。可是GCP提供的AI技术与产品究竟有那些呢？

本文将会先探索AI究竟是怎样的技术，并且讨论关于GCP AI服务的类别以及差异之处，最后是GCP的「Vision API」实作。
 

AI是什么？

AI（Artificial Intelligence），人工智慧。被发展为一项透过机器自主学习，使电脑能够模拟人类的思维过程，或者展现特定行为，比如说：判别问题、提供预测、语音与图片辨识、翻译等。我们现在常见的聊天机器人、Google翻译、图片自动侦测、以及疫情之下最夯的人脸辨识，都是AI的应用；而最为人所知的则是Google AlphaGo 打败世界棋王的案例。
那么AI真的可以像电影演的那样？成为有感情的机器「人」吗？

美国哲学家John Searle将AI分为「强AI (Strong AI)」与「弱AI (Weak AI)」。前者具备自我意识、情感等人类的特质；而后者则是展现出人类某种特有的行为能力，例如辨识图片、辨识语音等等。而目前所有发展的AI都是所谓的弱AI，真正具备心智的强AI，大家可以参考电影「脱稿玩家 (Free Guy)」中对人类产生情感的盖伊。

AI学习的过程？

AI人工智能的核心基础是「机器学习」，也就是常听到的Machine Learning（ML）。而机器学习，就是让机器学会判断特征（Feature）的一个过程 （Training），在这个过程需要透过算法产生的训练模型（Training Model）来进行学习，同时又分成两种学习方式：监督式学习（Supervised Learning）、非监督式学习（Unsupervised Learning）。
若我们今天要让机器学会判断狗和猫的图片，以监督式学习的角度而言，我们必须先透过人为筛选出猫和狗的图片，并且各自加上标签（Label），并加以训练；而非监督式学习，则是将大量数据汇入，并且让机器自己判读跟学习不同图片的差异。甚至有时候我们希望AI能够帮我们判别猫狗，结果AI在非监督式学习的过程中，还自己学会判别毛色，这就是所谓的非监督式学习。

AI的三大范畴

AI的三大范畴可以参考下图，AI人工智能包含了Machine Learning机器学习，而机器学习又包含了深度学习。
AI是透过程序代码来运作软件，来让这个软件能够感知、辨识等的类人类行为。而支撑着AI的是ML机器学习，主要包含了算法、数据等。
最后则是深度学习（Deep Learning），算是机器学习的其中一个分支，通过仿真大脑神经网络，建立不同分层，可分为输入层、隐藏层、输出层，也称为神经网络。而在隐藏层的部分会比起传统机器学习的模型还需要更多的数据；并且深度学习会将这些大数据的特征自行提取、分类，最后取得最靠近正确答案的解答。例如前述提到的AlphaGo，即为基于Deep Learning所建构的人工智能，通过大量棋谱的输入、自我训练，最终击败世界棋王。

GCP AI 服务 

1. Vertax AI：

属于整合式的AI平台，这项产品适合接触过AI，且能够理解AI技术所带来效益的人使用。在这个产品中，用户可以快速建构自己的训练模型，就算不具备撰写算法的技术资源，也能够轻松搭建自己的AI Training Model。需要注意的是，Vertax AI的前身是GCP的AI Platform，目前仍支持AI Platform的接口，但大部分功能皆已整合进Vertax AI，可以直接使用Vertax AI进行相关作业即可！

适合对象：数据科学家、想使用AI的工程师、数据分析师

2. Natural Language API：

Natural Language为自然语言分析的AI应用，可以撷取非结构化、半结构化的文字数据来进行探索，并取得深入的文字分析结果。可以分析出情绪、文法结构、单字组合等等。适合需要进行大量文字探勘的工作。

适合对象：进行大量文献探勘者、医疗照护者（心理治疗相关应用）、数据科学家

3. Speech-to-Text API：

Speech-to-Text是大家相当熟悉的一款服务，主要是做语音转文字的AI辨识。例如Google Map中，透过语音转文字的服务，让司机只需要念出地址，而不用手动Key入文字。或者是现在短影音创作的市场兴起，透过语音转文字的方式快速产生字幕，堪称是创作者的福音！

适合对象：开发导航、语音相关服务产业

4. Translation API：

Translation顾名思义就是透过AI来进行文字翻译，不晓得各位有没有注意到，在2006年Google翻译刚推出的时候，那时候的翻译并没有那么正确，也不容易读懂翻译后的文字。但是到了现在，由于大量数据的累积，Google翻译有越来越精准的趋势。而Google也将其大量训练后的模型发布为Translation API，提供使用者能够快速进行AI翻译的任务。

适合对象：语言翻译应用、跨国平台开发、结合Speech-to-Text的语音等等。

5. Video Intelligence：

随着影音产业的兴起如Youtube、Netflix、TikTok等，专门分析影片的AI技术也发展成熟，Video Intelligence，就是一个可以用来辨析影片内容的AI服务，同时撷取不同片段、镜头，透过建立不同的标签，来提升观影者的使用体验。

适合对象：影音产业、影音资料分析者。

6. Vision API：

Vision API即是本次要操作的AI工具，主要功能是针对图片进行辨识，包含手写文字、侦测图片中的对象与脸孔。最常见的应用就是人脸辨识系统、手写表格的内容侦测，在现在发展Fintech的金融业中是相当热门的一种AI应用。

适合对象：金融科技业、人脸辨识、制造业（判别产品良率）等等。
 

Vision API实作篇

本次实作目标：输入猫、狗图片，并添加Tag后训练，并测试模型是否能准确判断其余猫狗的图片。
数据集：Kaggle Cats & Dogs Dataset（https://www.microsoft.com/en-us/download/details.aspx?id=54765）

1.  从主页点选VisionAPI进入页面，在这之前跟着步骤启用Vision API即可

2.  选择新增数据集

3.  根据自己的需求选择模型目标

4.   选择从计算机上传图片，并将本次实作准备的猫狗图片zip文件上传

5. 等待数据集汇入完成

6.   数据汇入完成后，添加标签，也可点选卷标统计数据查看

7.  选择训练，并查看自己的图片是否足够，一个标签最少需要10张。确定没问题后选择开始训练。本次仅示范实作，因此最终供机器学习的图片张数为猫猫狗狗各24张

8.  选择训练模型要应用在云端上还是边缘机器上

9.  选择节点时数运算，如果设定越高，训练效率越高。但同时价格也会越高。确认没问题，即可选择开始训练

10. 训练完成后，点选评估查看训练情况

11.  由于之前没有点选部署模型，因此选择测试及使用，然后部署模型

12. 部署位置决定了可以同时支持多少个运算请求，如果是需要大量供终端用户进行图片识别，可以将部署位置调高

13. 部署完成后，可以直接使用，点选UPLOAD IMAGES

14. 放入丑丑猫猫照，没问题，0.99的机率是猫猫

15.  放入萌萌狗狗照，是猫猫的机率降至0.69，若训练图片数再更多一些，预测会更准确

16. 最后如果有需要，可以透过REST API、Python Code来部署模型！

 

一般的软件工程师，即使不会撰写算法，也能透过GCP的AI服务快速部署一个AI模型，同时在预测上也经过优化与调整，不必负担开发AI算法的时间与金钱成本。