Vertex AI: Eine Einführung
- Veröffentlicht:
- Autor: [at] Redaktion
- Kategorie: Grundlagen
Inhaltsverzeichnis
Google hat sich als Pionier in der KI-Revolution erwiesen. Die Marke bietet Tools für die Entwicklung und Bereitstellung von Modellen für maschinelles Lernen (ML) und Hosting-Plattformen für eine effiziente Modellbildung. Das Unternehmen hat fortgeschrittene KI-Aufgaben wie Bildanalyse, Verständnis natürlicher Sprache, Sprachübersetzung und Sprach-zu-Text-Konvertierung relativ nahtlos gestaltet. Eine der wichtigsten Plattformen von Google ist Vertex AI, das von Google Cloud angeboten wird. In diesem Blogbeitrag werden wir die Rolle von Vertex AI bei der Skalierung von ML-Modellen und der Bereitstellung einer umfassenden Plattform für die Modellerstellung für Unternehmen genauer untersuchen.
Was ist Vertex AI?
Google Cloud's Vertex AI ist eine äußerst nützliche Plattform für Data Engineers, Data Scientists und Forscher, um ML-Modelle zu erstellen, bereitzustellen und zu verwalten. Diese leistungsstarken Modelle können Vorhersagen aus Daten treffen, was Unternehmen dabei hilft, ihre Kunden besser zu verstehen.
Die Plattform bietet eine Reihe praktischer und umfassender Funktionen zur Erfassung des gesamten ML-Workflows. Es handelt sich um eine gemeinsame Plattform, auf der Teams aus den Bereichen Datenverarbeitung, Datenwissenschaft und ML-Engineering zusammenarbeiten und Geschäftsanwendungen skalieren können. Entwickler können die bereits vorhandenen vortrainierten Modelle zur Erstellung ihrer benutzerdefinierten Modelle verwenden. So können sie ihre Ideen verwirklichen, indem sie nahtlos Modelle entwickeln, die auf bestimmte Anwendungen zugeschnitten sind, wie z. B. das Zusammenfassen, Übersetzen und Umwandeln von Bildern in Text.
Auf der Vertex-KI-Plattform gibt es mehrere Optionen für das Training und die Bereitstellung von Modellen. AutoML ermöglicht beispielsweise das Trainieren von Modellen auf verschiedenen Datentypen, wie Tabellen, Text, Bildern oder Videos, ohne den mühsamen Prozess des Codeschreibens von Grund auf durchlaufen zu müssen. Der große Vorteil eines solchen Tools besteht darin, dass Sie Ihren bevorzugten Trainingsprozess und die Optionen für die Hyperparameter-Abstimmung auswählen können. Im dritten Abschnitt werden wir die Architektur und die Funktionen von Vertex AI behandeln.
Architektur und Komponenten
Die Architektur von Vertex AI basiert auf den GPUs, TPUs, Speichern, Datenbanken und serverlosen Plattformen von Google Cloud. Diese robuste Infrastruktur ermöglicht einen durchgängigen Workflow für maschinelles Lernen in Vertex AI. Es folgt eine Beschreibung der Architektur, die aus den folgenden Schlüsselkomponenten besteht:
- Model Garden: Hierbei handelt es sich um eine Sammlung vorgefertigter Modelle und Tools, die die Modellentwicklung beschleunigen. Die Modelle im Model Garden können große Datensätze effizient trainieren.
- Offene und integrierte KI-Plattform: Durch die Verwendung der Trainings- und Tuning-Tools der Vertex-KI-Plattform ist die Bereitstellung von Machine-Learning-Modellen einfacher und schneller geworden. So sind beispielsweise Vertex-KI-Notizbücher in BigQuery integriert, was eine einzige Oberfläche für alle Daten und KI-Arbeitslasten ermöglicht.
- KI-Plattformerweiterungen: Dadurch können Entwickler trainierte Modelle mit Echtzeitdaten aus Unternehmensanwendungen und APIs verknüpfen. Erweiterungen helfen, die Modellleistung zu verbessern, indem sie Modelle mit APIs für die Datenerfassung und Feature Extraction verbinden.
- MLOps für prädiktive und generative KI: Die Plattform bietet speziell entwickelte MLOps-Tools zur Automatisierung, Standardisierung und Verwaltung von ML-Projekten. Die folgenden Funktionen stehen Machine-Learning-Engineers zur Verfügung, um Modelle während des gesamten Lebenszyklus zu verbessern:
- Vertex AI Evaluation: Hilft bei der Identifizierung des besten Modells für einen Anwendungsfall
- Vertex AI Pipelines: Hilft bei der Koordination von Arbeitsabläufen
- Model registry: Hilft bei der Verwaltung von Modellen
- Feature store: Hilft bei der gemeinsamen Nutzung und Wiederverwendung von ML-Funktionen
- Vertex AIAgent Builder: Hierbei handelt es sich um eine Konsole zur Erstellung von Agenten ohne Programmieraufwand, die an die Funktionen für die Grundierung, Orchestrierung und Anpassung angrenzt. Sie unterstützt Entwickler bei der Erstellung generativer KI-Anwendungen, die auf ihren benutzerdefinierten Daten basieren.
- KI-Lösungen: Geschäftsanwender können auf der Vertex-KI-Plattform aufbauen, indem sie ihre KI-Lösungen nutzen, wie z. B. Künstliche Intelligenz für Contact Center, KI für Dokumente, KI für die Bekämpfung von Geldwäsche und KI für die Informationsgewinnung. Dabei handelt es sich um praktische Lösungen, die Unternehmen gezielte Funktionen bieten.
Die Vertex-KI-Plattform ermöglicht es KI-Praktikern und -Entwicklern, zwei Arten von KI-Anwendungen zu erstellen: suchbasierte Anwendungen und gesprächsbasierte Anwendungen. Sehen wir uns diese beiden Funktionen genauer an:
- Suche in Vertex AI: Sie unterstützt Data Scientists mit End-to-End-Suchanwendungen. Zu den integrierten Funktionen gehören Abfrageverständnis, Ranking und Entitätsextraktion. Weitere relevante Funktionen, die Entwickler anpassen können, sind Abfragevorschläge, Rechtschreibkorrektur und Abfrageumformulierung.
- Konversation in Vertex AI: Es erleichtert die Erstellung von KI-gestützten Konversationsschnittstellen und Chatbots. Die Trainingspipelines von Vertex AI können zum Trainieren von Konversationsmodellen verwendet werden, die dann als Endpunkte für die Echtzeitschnittstelle eingesetzt werden können.
Was unterscheidet Vertex AI von anderen Google-KI-Modellen?
Vertex AI ist eine von Google Cloud bereitgestellte Plattform, die die Erstellung und Bereitstellung von ML-Modellen erleichtert. Sie umfasst wertvolle Tools für Data Scientists und Engineers, die benutzerdefinierte ML-Modelle für gezielte Geschäftsanwendungen erstellen möchten. Sie unterscheidet sich von anderen Google-Produkten und -Modellen wie Bard und Gemini, da Large Language Models (LLMs) menschenähnliche Textantworten liefern und Aufgaben auf der Grundlage von Prompts erledigen.
| Merkmal | Google Cloud's Vertex AI | Google's KI-Modelle |
|---|---|---|
| Zweck | Die Vertex AI Plattform ist für die Erstellung von ML-Modellen und deren Integration in Anwendungen von großem Nutzen. | Die LLMs helfen hauptsächlich beim Verständnis und der Generierung natürlicher Sprache. |
| Benutzerbasis | Sie ist für die technischen Teams des Unternehmens, wie Data Scientists, Data Engineers und Unternehmen, die benutzerdefinierte KI-Lösungen erstellen möchten, hilfreich. | Die Modelle richten sich an Endbenutzer, die direkt mit dem Modell interagieren und ihre Fähigkeiten zum Schreiben, Zusammenfassen und beantworten von Fragen maximieren können. |
| Kontrollniveau | Die Plattform ermöglicht es Entwicklern, den ML-Lebenszyklus zu kontrollieren, da sie Modelle an ihre Bedürfnisse anpassen können. | Die Modelle von Google, wie Bard und Gemini, verfügen über eine benutzerfreundliche Oberfläche, aber die Benutzer haben nicht viel Kontrolle über die Modellarchitektur und die für das Training verwendeten Daten. |
KI-Modelle von Vertex AI und Google sind leistungsstarke Tools für ihre Zielgruppe und äußerst gut in dem, wofür sie entwickelt wurden. Während sich Vertex AI für Unternehmen und Start-ups als hilfreich erwiesen hat, um benutzerdefinierte ML-Modelle zu erstellen und einzusetzen, haben Google's Gemini und Bard es Endnutzern ermöglicht, nahtlos mit KI zu interagieren und sie in ihren Alltag zu integrieren.
Wie können Unternehmen das Modell einsetzen?
Der Zugriff auf Vertex AI ist einfach. Im Folgenden finden Sie eine vereinfachte Anleitung für den Einstieg in die Plattform:
- Anmeldung bei Google Cloud: Sie benötigen ein Google Cloud-Konto, das Sie erstellen können, indem Sie sich hier auf der Website anmelden: https://cloud.google.com/?hl=en. Das Konto bietet Zugriff auf alle Google Cloud-Produkte. Sie können 300 kostenlose Credits über einen Zeitraum von 90 Tagen ausprobieren.
- Aktivierung der Vertex AI API: Sie können die Vertex-API für Ihr Projekt aktivieren, indem Sie zum API & Services-Dashboard navigieren.
- Zugriff auf Vertex AI in der Konsole: Der Abschnitt Vertex AI in der Google Cloud-Konsole bietet Optionen für Datensätze, Modelle, Endpunkte und vieles mehr.
- Erkunden von Tutorials und Dokumentation: Die Plattform bietet Tutorials und Dokumentationen, die Ihnen bei der Navigation und dem Aufbau helfen.
Sobald diese Schritte abgeschlossen sind, können Sie mit den Vorbereitungen für das Training Ihres Modells mit AutoML oder einem benutzerdefinierten Trainingsmodell beginnen. Anschließend können Sie Ihr Modell bereitstellen und für Vorhersagen verwenden. Die KI-Tools von Vertex AI helfen Ihnen dabei, Ihre Modelle zu überwachen und kontinuierlich zu verfeinern.
Ein Hinweis zu den Preisen von Vertex AI. Die Plattform bietet sowohl kostenlose als auch kostenpflichtige Versionen. Neu angemeldete Benutzer erhalten einige kostenlose Gutschriften. Darüber hinaus können Sie kostenlos auf bestimmte Funktionen zugreifen, benötigen jedoch ein Abonnement, um auf Premium-Funktionen zugreifen zu können. Die Preisstruktur hängt davon ab, wofür Sie Vertex AI verwenden, und korreliert mit der Menge der verwendeten, gespeicherten oder verarbeiteten Daten.
Vorteile und Herausforderungen von Vertex AI
Bisher haben wir die Angebote von Vertex AI, seine Funktionen und seinen Benutzerleitfaden vorgestellt. In diesem Abschnitt werden wir zunächst die vielen Vorteile der Plattform auflisten, gefolgt von einer Liste ihrer größten Herausforderungen. Eine Übersicht über die Vorteile und Herausforderungen hilft Ihnen bei der Beurteilung, ob die Plattform für Ihre Organisation geeignet ist.
Vorteile
- Einheitliche Plattform: Es handelt sich um eine einheitliche Plattform, die mehrere Funktionen in einer gemeinsamen Plattform integriert. Sie bietet ML-Workflow-Komponenten wie Datenaufbereitung, Modelltraining und Bereitstellung. Dies trägt zur Reduzierung der Komplexität und zur Verbesserung der Zusammenarbeit bei.
- Verfügbarkeit von Open-Source-Modellen: Die Zugänglichkeit von Open-Source-Modellen auf der Plattform reduziert Reibungsverluste und erhöht die Produktivität. Dies hilft Entwicklern und KI-Praktikern, Projekte schnell zu skalieren.
- Einfache Bedienung: Die auf Vertex AI verfügbaren Modelle sind nicht kompliziert zu bedienen, sodass Entwickler eine Lösung leicht an ihre geschäftlichen Anforderungen anpassen können.
- Strukturierte Infrastruktur: Die Plattform ist skalierbar, kostengünstig und ermöglicht die einfache Verwaltung großer Datencluster.
- Kohärente Integration von Daten in KI: Die Open-Source-Frameworks und -Modelle von Vertex AI und die Verfügbarkeit von Erweiterungen ermöglichen eine nahtlose Integration und Bereitstellung in Anwendungen.
Herausforderungen
- Gewährleistung des Datenschutzes: Für Unternehmen ist es eine Herausforderung, ihre Daten an die Cloud-Infrastruktur von Vertex AI zu übertragen. Bei einer sicheren Datenübertragung bleiben die Datenverarbeitung und -speicherung aufgrund externer Bedrohungen wie Cyberangriffen und unbefugtem Zugriff weiterhin unter Beobachtung.
- Vermeidung von Modellverzerrungen: Auch wenn Vertex AI eine umfassende Plattform ist, die die Tools bereitstellt, die Sie benötigen, um Ihre generativen KI-Ideen in Ihrem Unternehmen zum Leben zu erwecken, liegt es dennoch in Ihrer Verantwortung, sicherzustellen, dass die Modelle unvoreingenommen sind, indem Sie verhindern, dass Trainingsmodelle auf voreingenommenen Daten basieren.
- Kosten minimieren: Die Nutzung von Vertex AI kann mit erheblichen Kosten verbunden sein, insbesondere wenn Ihr Unternehmen die Plattform für Großprojekte benötigt. Es ist eine Herausforderung, Ausgaben effektiv zuzuweisen und gleichzeitig eine optimierte Leistung sicherzustellen.
Fazit
Vertex AI bietet Unternehmen viele Vorteile. Es unterstützt sie bei der Bereitstellung generativer KI-Anwendungen, indem es Entwickler bei ML-Workflows unterstützt. Es ist besonders hilfreich für Unternehmen mit weniger finanziellen Mitteln oder für Unternehmen, die gerade erst anfangen, indem es eine Bibliothek mit vorab trainierten Modellen anbietet. Seine Funktionen ermöglichen es ihnen, benutzerdefinierte Modelle unter Verwendung einer Vielzahl von Frameworks und Sprachen zu entwickeln. Es spielt eine große Rolle bei KI-gesteuerten Innovationen und es ist spannend zu sehen, was die Zukunft bringt.
Diesen Beitrag teilen: