AI Workshop

試用 Google 的先進研究成果，型塑企業的 AI 未來。

協助型塑企業 AI 的未來

Google 希望所有人都能運用 AI 技術，而 Google Cloud AI Workshop 正是協助實現這個目標的其中一環。AI Workshop 可以為客戶、合作夥伴、研究人員和開發人員提供以先進 AI 創新技術進行實驗的機會。我們的 AI 研究人員與工程師站在科學與技術領域的最前端，努力建構嶄新的概念、技術與應用程式，並希望您能夠加以試用。

我們的最終目標是：將研究與實務相互連結，藉此協助企業解決 AI 難題。

AI Workshop 是什麼？

一個實驗庫

AI Workshop 的關鍵核心就是 Google 研究人員和工程師與您分享的實驗性技術。歡迎在下方瀏覽相關技術或提議新的技術。

瞭解詳情

一個對話交流論壇

有了 AI Workshop，AI 研究人員和工程師就能與實際使用自家 AI 產品實現各種創意的人彼此交流，展開對話。透過更直接的互動，這些社群可以產生新的構想、詢問艱難的問題，並提供真誠的意見回饋。

發起對話

一個持續進化的平台

AI Workshop 並非一成不變。我們希望能夠定期迅速發布新內容，研究人員和工程師會依據您的意見回饋和測試結果更新及改善實驗。我們瞭解某些實驗能夠晉升為新產品，有些則不會，而我們也坦然接受這樣的結果。

持續關注最新消息

實驗是什麼？

目標遠大的嶄新技術

Google 研究人員和工程師致力於解決最大的 AI 與機器學習難題，而實驗正是他們取得的其中幾項最新工作成果 (也就是全新的技術)。這些實驗可以反映出研究人員和工程師的目標規模。

研發中的技術

實驗並非產品，因此可能仍有不完善之處，並由 Google 的研究團隊直接提供支援。我們會盡可能提供優質的體驗，但無法保證可用性、可靠性、效能或穩定性是否會出現偏誤。實驗可能會有所變更，而不再與舊有的系統或功能相容，而且不適用任何服務水準協議或廢止政策。另外，我們也無法承諾所有實驗未來都會成為產品或產品功能，因此強烈建議您「不要」在實際工作環境或重要工作流程中使用這些實驗。

豐富多樣

實驗的形式包括 API、服務或工具等多種類型，實驗可以處理不同或多個類型的資料，也有可能適用於多個產業和領域。

免費使用

參與實驗無須付費。不過，如果您在工作流程中使用了其他 Cloud 服務，可能需要支付相關費用，包含 (但不限於) 儲存、運算和其他 Cloud AI 產品 (例如 API 呼叫) 等。

查看實驗

哪些人可以使用實驗？

AI 專家

一般來說，技術知識較深厚的使用者可以從實驗中獲得最多好處。他們可以設定、執行及評估更複雜的實驗，並解決實驗中出現的問題。

領域開拓者

實驗在本質上屬於早期階段技術，因此相當適合同樣處於實驗階段的客戶，而不適合已在實際工作環境中的客戶。如果您正在探索新的資料運用方式、設計原型、驗證概念及推動學術研究，可能非常適合加入 AI Workshop。

樂於助人者

所有參與者都必須註冊 Google Cloud 客戶身分，才能使用實驗。實驗的使用方式須受 Google Cloud Platform 授權協議的正式發布前條款與機密資訊條款 (稱為「Google 機密資訊」) 規範。

已上線的實驗

推出新的實驗時，我們會同步更新這個清單。

PubMed 語意搜尋

「PubMed 語意搜尋」實驗提供的 API 可讓您提交自然語言查詢，以及從 PubMed 索引中取得相關出版品和醒目顯示的證明，當中含有超過 3,000 萬份文件。這項工具採用最先進的自然語言理解技術，可以處理複雜的生物醫學查詢，並協助科學家和研究人員快速找到相關文件和解答。

抽象式文件摘要

根據文字文件產生自然語言摘要。提交文字文件 (最多 800 字，超過上限的篇幅將遭截斷)，並接收最多 200 字的回傳摘要。

適用於圖片分類的硬性注意力說明

客戶可以使用 API 分類圖片並說明圖片中的哪些部分有助於分類作業。先前嘗試建構這些說明類型時，不是說明容易出錯，就是分類效果不佳。

語意反映工具

輕鬆透過 Google 試算表使用先進的自然語言理解模型。您可以撰寫回應、選取模型和排序方法，以及傳送查詢。適合用於建構機器人、遊戲和其他語意實驗。

以半監督式學習技術為圖片加上標籤

只要提交少量已加上標籤的圖片 (每個類別至少 5 張) 和大量未加上標籤的圖片 (例如數十萬張或更多)，所有未加上標籤的圖片即可取得預測標籤。

自動產生圖片標題和說明

這項實驗會運用 Google 最先進的多模型理解模型，以概念性的方式描述圖片。如果您的應用程式需要「以自然語言流暢又準確地描述圖片」的功能，這些描述就會相當實用。

以半監督式學習技術處理圖表

這項實驗會運用已加上標籤的少量例項 (種子) 來處理圖表，並依據使用者提供的相關項目相似度權重，為所有未加上標籤的項目加上標籤。如果客戶擁有資料圖表或是可以輕鬆產生圖表，卻認為要為各個節點加上標籤過於耗時或昂貴，這項實驗就會非常實用。

自然語言情緒分類

解讀帶有情緒的文字內容，藉此提供與使用者或內容有關的實用深入分析結果。以客戶意見回饋、評論、客戶服務和產品品牌宣傳等領域來說，這項實驗的成效尤其卓越。這項實驗會依據情緒將文字分類，像是高興、歡樂、感謝、驚喜、不認同、悲傷、憤怒和困惑等情緒。

使用語意特徵擴增資料

透過這項實驗，客戶可以將稀疏的資料 (例如網址、查詢或文字) 轉換為具備實質語意、可以輕易偵錯及解讀的稠密特徵。您只需要提交含有稀疏特徵和標籤的資料集，我們就會提供對照表給您。接著，您可以使用這個對照表，以相同稀疏特徵產生的語意特徵補充其他資料集。

產生專用的知識圖譜

知識圖譜是相當實用的構件，不過為特定領域製作專用知識圖譜的費用可能極為高昂。我們希望透過這項專案提供自動產生實體/主題/概念知識圖譜的方法，讓系統僅須分析使用者上傳的整份文件即可自動產生知識圖譜。

學習有效損失函式

訓練機器學習模型時，您每次都需要選擇損失函式來盡可能降低一組訓練資料的波動。這項實驗可讓您以有效率的方式依據資料學習有效損失函式。您可以選擇在訓練期間即時學習，或是依據已完成的訓練作業結果展開學習程序 (如同傳統的超參數調整作業)。

聯合學習諮詢服務

「聯合學習」這個新興的機器學習方法可讓您在四散的資料集中套用機器學習技術。這個做法不僅可以協助保障資料隱私權，也能提升本機運作速度與效能。有了這項實驗，您就能與 Google 專家討論自己的聯合學習工作相關事宜，包括開放原始碼 TensorFlow Federated 資料庫的使用方式。

產生多段簡短文字的摘要

客戶可以在這項實驗中訓練 Summarizer 模型，這個模型會擷取餐廳評論等簡短文字，並以標準化的方式輸出所有文字內容的摘要 (就像是一份餐廳評論摘要)。

差異化隱私諮詢服務

機器學習模型可以記憶資料，但這項特性可能會產生隱私權問題。不過，目前已有技術可以評估這類記憶情況，並以更高層級的隱私權設定訓練模型。有了這項實驗，使用者就能與 Google 專家討論如何使用開放原始碼 TensorFlow Privacy 資料庫來訓練機器學習模型，並讓模型具備不同的隱私性設定。

計算影片中特定動作的出現次數

透過這項實驗，客戶可以計算特定動作在一或多個影片片段中出現的次數。客戶必須提供一個含有完整動作的影片片段，以及可能會出現這個動作的未加標籤影片。接著，客戶會收到每個影片片段中出現該動作的次數資料。

影片標籤傳播器

有了這項實驗，客戶只需要為一部影片中的影格加上標籤，其他相關影片中的各個影格就會取得標籤。我們的系統會將一部影片中的標籤傳播至其他影片。

圖片標籤錯誤偵測器

客戶必須在這項實驗中提供已加上標籤的訓練圖片，我們則會使用一系列的品質檢查工具處理這些圖片，並傳回標籤可能有誤的訓練圖片清單。

自然語言語意相似度

依據候選項目清單，在特定文字內容中找出相近或相關的文字項目。這項實驗是以自然語言使用方式中的相關性為基礎，可依據意義和使用方式 (而非只是簡單的關鍵字) 連結不同項目。

混合型整數線性規劃解析工具

用於解析混合型整數線性程式規劃問題。混合型整數線性規劃屬於方程式系統，可在設有一組限制的情況下最佳化處理連續的整數變數。Google 每天都會使用這項解析工具，大規模處理重要業務的最佳化作業難題。應用方式包括指派、排程、封裝和流程問題。

提供信心評分功能的圖片分類服務

只要能夠瞭解特定預測作業有多可靠，AI 系統就會實用許多。這項實驗產生的 AI 模型會傳回預測的類別，以及經過妥善校準的預測作業信心評分。

提供原型的可解讀圖片分類

我們可以顯示訓練資料中最相近的項目，藉此充分解釋模型預測作業。客戶提供資料之後，我們會傳回一項分類工具。這項分類工具不僅可以預測輸出內容，也能列出可說明判斷結果的相關範例 (原型)。

運用擴增學習技術來分類圖片

在資料不足和/或標籤不完整或不完善時，提高圖片分類模型的成效。依據現狀提供訓練資料之後，您就能取得兩個 CNN 模型的存取權限，第一個僅使用您的資料進行訓練，第二個則是以我們的擴增學習技術進行訓練。

強化型圖片篩選器

這項實驗會使用 Google Vision API 和嵌入式模型，從圖片中篩選出所需物件。可能的應用方式包括加快為資料加上標籤的程序，以及迅速排序或封存圖片。

我想要參與實驗

接收最新消息

在 AI Workshop 推出新實驗時接收通知。

註冊

測試其他正在進行的工作

特定客戶也可以加入搶先體驗計畫 (EAP) 來試用 Alpha 版的 Google Cloud 產品。

聯絡我們