 |
| 會場入口，本次活動每日有超過2,000個開發者參加
|
 |
| 活動陣容也相當的大 |
 |
| 滿滿中國風 |
 |
這次的乾貨也相當的多，Jerry老師就分享一些跟AI比較相關的議題
首先是讓我印象深刻的DuetAI 的其中一項展示，可以透過Looker ML技術，把資料結合BigQuery把資料撈起來，再透過PaLM把答案做萃取，接著透過ML做一下迴歸預測，把結果輸出後，再自動產生簡報，以前要花好多時間做的事，現在完全一氣呵成。
展示影片：https://www.youtube.com/watch?v=bUHP-XzHUFE
再來是生成式AI可能為組織帶來的風險
前三名包含敏感資料會洩漏(69%)、錯誤與幻覺(52%)、偏見(50%)等。所以在實務上面模型的使用，更需要專業團隊 或是 工具 來去降低這些風險。
當然免不了Vertex AI 還是今年主打的工具之一，各種AI的PaaS服務支援，都可以在Google Cloud上找到
再來是生成式AI的應用場景
LLMs的議題大家都在討論，而這張圖滿能夠去解釋，整個趨勢的變化
從過去規則判斷，到AI閱讀大量資料，可以理解並表達資訊，整個AI技術從分類、理解、預測、生成這幾個面向快速的發展。
但事實上生成式模型已經大量成長在市場上
從數據上來看有超過50%企業沒有AI的團隊可以協助落地
但有超過80%的高階主管認為 AI技術有助於所有業務決策
而從模型投入到生產事實上有非常多挑戰
包含從模型訓練 到 模型推論，而一個好用的工具或平台就變得重要。
目前Google Cloud支援開源部署的機器，包含最新的TPUv5 、 A3(NVIDIA H100)
重點是都支援了GKE、GCE。
根據統計平均GPU使用率在25%左右
所以在GKE上面用一塊A100 GPU以切片的方式來使用，GKE的群集上
最多可以支援15,000個節點。
也因為基礎設施跟ＡＩ有密切關連，所以Google提出了LLMOps的概念
這張圖試圖將模型訓練、模型服務、模型管理、模型治理都連貫一起
Jerry老師跟覺得LLMOps這是一個新工作，同時要具備底層、模型能力，相當的不容易
所以這張分工圖就顯得重要
從使用場景來看
如果我們希望AI由Google做託管，我們選Vertex AI
如果希望自己多一點關心底層，我們可以選GKE+Vertex
如果AI要自己來，多點DIY，我們可以選GKE
而這些技術 都能夠在VertexAI上獲得到。
這次活動免不了要更新一下PaLM2的發展，最大不同於PaLM2新版，提供了32K的輸入上下文，跟GPT-4一樣的輸入量，再來也有支持多輪對話、程式碼生成等。
另外就是 Google最強大的BigQuery功能，也與ML、GenAI做了許多結合，像是BQML(BigQuery ML)，結合Google ML技術，譬如說對大量資料進行迴歸等。
同時可以透過 Cloud AI MaaS來實現對PaLM模型的使用
最重要的是面對多樣的資料型態，可以透過BQML將結構化與非結構化做資料整合，用於機器學習預測。
透過wide-and-deep來進行推薦系統
https://cloud.google.com/vertex-ai/docs/tabular-data/tabular-workflows/wide-and-deep-train
或是透過Vertex LLM做客戶分群、戰略分析
做房源的點擊率
透過影像辨識貼標
透過GenAI重新生成新行銷圖片
裡面乾貨也包含這個
整個多GPU運行AI環境的建構，以及搭配GKE的範例
https://github.com/googleCloudPlatform/stable-diffusion-on-gcp
近期流行的向量資料庫，也有些乾貨可以參考，包含生態
而Google也有推出類似的服務，像是VME。
同時也有分享關於Langchain的問答架構
甚至是IoT整合LLMs場景
遊戲的GenAI整合
新工具
https://github.com/google/visualblocks
喜歡直接用模型的可參考MediaPipe Studio
https://developers.google.com/mediapipe/solutions/studio
JAX to JS ，我們知道TF.JS是全球在JS針對AI的部分下載量是最多的套件，而很高興JAX開始支援JS，這將讓我們從應用端到研發端能夠做更好的連結。
我們都知道XLA是Google推出的一個加速模型很重要的編譯器，而Google本次發表了OpenXLA ，看起來是想要在XLA找到社群的平衡。
完全認同做AI的挑戰相當多，所以我更需要有更好更快的方式來實現AI模型的互動
歡迎初學者可參考
對NLP有興趣可參考
對CV有興趣可參考
Keras未來將完全支援TensorFlow, JAX, and PyTorch，使用者不需要再煩惱要用哪一個框架。使用mediapipe的朋友如果想訓練客製化模型，也可以直接學Keras，然後再搭配mediapipe去做應用，如果想挑戰深度的客製化模型，會建議採用TensorFlow、JAX，或是Pytorch 。但總而言之Keras未來將會完全深度整合這些知名框架，所有的開發者請安心使用。
歡聚時光中，我們跟許多Google大大們以及社群朋友做了許多交流，收穫很多。
這個活動參與包含GDG、WTM、GDE，感謝Google，如果您也是Google的開發者，或是正在成為開發者的路上，歡迎加入我們大家庭。
GDG Taipei:
WTM Taiwan：
GDE：
https://developers.google.com/community/experts
這是一個臥虎藏龍的技術社群，Jerry老師在這裡認識了來自Intel、huggingface、微軟等技術高手，歡迎大家一起來交流學習與成長。
沒有留言:
張貼留言