Google日前举办机器学习系列媒体聚会，聚焦云端服务主题，说明Google机器学习技术在云端平台(Google Cloud Platform，GCP) 上应用的四大重点，包括云端运算、演算法、数据与技术人才，以及如何透过TensorFlow和云端平台提供的，帮助企业与开发者更容易、快速地取得有用的机器学习模型和工具。此外也首次邀请到台湾企业代表和明纺织，分享如何透过Google机器学习技术结合云端平台的应用帮助企业转型，并带动服务及商业模式创新。

Google日前举办机器学习系列媒体聚会，聚焦云端服务主题。

和明纺织利用Google机器学习及云端平台服务为传产注入智慧创新 进入市场速度提升25%，面对全球纺织业及快时尚的激烈竞争，以及内部旧有仓储技术、仰赖人力处理的接单流程相当费时等困境，和明纺织一直希??将累积多年的专业经验和技术，有效结合科技智慧让其以数据形式保留，进而能分析、再利用并提升企业营运效率。去年10月开始，和明纺织运用Google机器学习技术及云端平台服务，陆续将生产过的布料样式数位化建档，并训练布料样式的辨识模型，帮助设计师能快速从资料库中搜寻特定样式，以往接到客户的布料样式需求，从灵感发想、设计到看样到提供样布，平均需要1.5至3个月的时间，透过新系统的协助将能有效利用既有档案及库存，甚至只需2-3天即可完成。

和明纺织策略执行顾问李隹宪表示：「在机器学习系统和应用程式的帮助下，和明纺织得以改善既有作业方式及流程，把新设计带到市场平均所需的时间预估能大幅降低25%，从原先12个月缩短至9个月。而和明纺织的长期计画则是结合机器学习和行动应用程式产品作为云端服务，让来自其他产业的叁与者都能使用，促进纺织业整体效率的提升。」

Google云端企业客户经理田哲禹表示：「我们很高兴看到和明纺织运用Google云端平台和机器学习技术，有效改善内部作业流程更创造了新的服务模式。Google长期致力於降低人工智慧的进入门槛，搭配云端平台的应用，能让企业和开发者更快速、容易的导入相关技术，为台湾传统产业带来新契机，朝向智慧转型前进。」

为了实现人工智慧大众化的目标，并让人工智慧能贴近每个人的生活，Google发展云端人工智慧服务特别着力於以下四大重点：运算、演算法、数据、人才。

运算：因应人工智慧相关应用有庞大的运算需求，Google Cloud AI提供全方位的运算能力，包括GPU、CPU和Cloud TPU，为机器学习提供基础的动力。例如知名音乐辨识应用程式Shazam便采用Google Cloud GPU，将使用者录制的音乐片段与超过4000万首歌曲的索引进行配对，原本每天一次的歌曲索引更新速度，变成如今每小时一次，成功藉由云端大幅提高运算效能。

演算法：高效的运算能力只是第一步，还必须透过正确的工具来执行各种演算法。为此Google Cloud AI提供机器学习的服务，包括TensorFlow、云端机器学习服务(Cloud Machine Learning Engine)以及预先训练过的机器学习模型来执行各式演算法。

数据：Google藉由公开分享的多样数据资料库，例如基因组序公开数据，帮助企业学习如何搜集与整理有用的数据资料，做为後续分析、应用的来源。

人才：Google持续投入资源培育机器学习人才，例如透过Google Brain Residency计画，每年资助全球超过250个相关学术研究计画、大量博士生与实习生。此外，Google进阶解决方案实验室(Advanced Solutions Lab)，让企业能与Google机器学习专家们面对面交流和学习。

除了以上四大重点项目，今年1月Google也发表Cloud AutoML，并推出Cloud AutoML的第一款产品Cloud AutoML Vision API，让一般公司即使无法像大型企业投入大量资源和人力操作，也能开发出符合自身工作需求的客制化机器学习模型。同时，Google云端也提供语音、翻译、影像辨识及自然语言处理等API，协助企业多样化的运用机器学习技术以达成不同工作目标。Google云端将持续优化现有的云端机器学习服务，也将扩大与企业合作，期??透过多元的云端机器学习服务，协助更多企业提升市场竞争力。