Back to Reference
AI
Most popular
Search everything, get answers anywhere with Guru.
Watch a demoTake a product tour
October 31, 2024
XX min read

Vertex AI คืออะไร? คำจำกัดความ การใช้งาน และอื่น ๆ [2024]

มีเครื่องมือปัญญาประดิษฐ์ (AI) มากมายจนยากที่จะตัดสินใจว่าอันไหนที่คุณต้องการจริงๆ. เราสามารถช่วยทำให้การตัดสินใจนี้ง่ายขึ้นโดยการแนะนำคุณให้รู้จักกับ Vertex AI แพลตฟอร์ม AI ที่สร้างขึ้นจากคลาวด์ของ Google 

__wf_reserved_inherit

การเติบโตล่าสุดในโมเดล AI และความก้าวหน้าทางเทคโนโลยีกำลังเปลี่ยนแปลงวิธีการที่หลายธุรกิจดำเนินการ; ปัญหาเพียงอย่างเดียวคือมี ทางเลือก มากเกินไปให้เลือก。 แต่เราสามารถช่วยได้

เพื่อทำให้การสร้างโมเดลการเรียนรู้ของเครื่อง (ML) ง่ายขึ้น Google ได้สร้าง Vertex AI แพลตฟอร์มที่ทำให้บริการคลาวด์ทั้งหมดของ Google พร้อมใช้งานในหน่วยเดียว.

แล้ว Vertex AI คืออะไร โดยพื้นฐาน? มันควรค่าแก่ความสนใจของคุณหรือเปล่าหรือมันเป็นแค่เรื่องไร้สาระ? ค้นหาคำตอบในคู่มือนี้เราจะสำรวจว่าเหตุใด Vertex AI ถึงสำคัญสำหรับธุรกิจและอีกหลายๆ สิ่ง.

ติดตามด้วย!

Vertex AI คืออะไร?

Vertex AI เป็นแพลตฟอร์มที่สร้างขึ้นโดย Google Cloud ซึ่งมีเป้าหมายในการฝึกอบรมโมเดล ML และแอปพลิเคชัน AI และปรับใช้ในขนาดใหญ่. นอกจากนี้ คุณยังสามารถปรับแต่งโมเดลภาษาขนาดใหญ่ (LLMs) เพื่อใช้ในแอปพลิเคชัน AI ของคุณ. 

ผ่านฟีเจอร์ต่างๆ เช่น การฝึกอบรมโมเดลที่กำหนดเอง, AutoML และความสามารถระดับสูงอื่น ๆ คุณสามารถ เพิ่มผลผลิต และความสามารถในการปรับขนาดได้. 

นอกจากนี้ Vertex AI ยังมีบริการคลาวด์ทั้งหมดของ Google ในเครื่องมือเดียว ช่วยคุณในด้านข้อมูลของคุณ การปรับใช้โมเดลและอื่น ๆ. พูดโดยสรุป, Vertex AI มาที่นี่เพื่อทำให้ขั้นตอนการทำงานของ ML ของคุณง่ายขึ้นและทำให้วงจรชีวิตของข้อมูลของคุณเรียบง่าย. 

นี่เป็นโซลูชันที่เหมาะสำหรับนักพัฒนาและวิศวกร ML ทุกคน โดยเฉพาะอย่างยิ่งตั้งแต่เป็นมิตรกับผู้เริ่มต้น. 

แต่ทำไมเครื่องมือนี้จึงสำคัญต่อธุรกิจ? 

ทำไม Vertex AI ถึงสำคัญ?

ตลาด AI สร้างสรรค์กำลังเติบโตอย่างต่อเนื่อง. ยกตัวอย่างเช่น จำนวน โครงการ AI แบบสร้างสรรค์ที่ใช้งานอยู่ บน Vertex AI ได้เพิ่มขึ้นมากกว่า 7 เท่า แต่จริงๆ แล้วอะไรที่ทำให้ Vertex สำคัญเช่นนี้?

ดีมาก ลองมาดูกันว่ามันทำอะไร: 

  • การพัฒนาที่มีประสิทธิภาพ: โซลูชัน AI นี้ จะทำให้กระบวนการพัฒนาทั้งหมดเป็นอัตโนมัติ ดังนั้น ใครก็ตาม—ไม่ว่าจะมีประสบการณ์ในการใช้เครื่องมือนี้มากน้อยเพียงใด—จึงสามารถปรับใช้โมเดลคุณภาพสูงได้. ดังนั้นใครก็ตามที่มีประสบการณ์เล็กน้อยกับเครื่องมือเหล่านี้สามารถปรับใช้โมเดลที่มีคุณภาพสูง. 
  • ความเร็วที่สูงขึ้น: เนื่องจากคุณทำให้กระบวนการพัฒนาโมเดลเป็นอัตโนมัติ คุณจะฝึกฝนและปรับใช้ chatbot ของคุณได้เร็วขึ้น. ดังนั้นมันจึงง่ายและรวดเร็วในการสร้างแอปพลิเคชัน AI. 
  • ความสม่ำเสมอ: AI เก่งในเรื่องหนึ่ง: การรักษาความสม่ำเสมอทั่วทุกด้าน. นอกเหนือจากการมีผลผลิตที่มีคุณภาพเดียวกัน คุณจะลดข้อผิดพลาดลง.
  • ความสามารถในการปรับขนาด: คุณสามารถออกแบบ แอปพลิเคชัน AI ทุกประเภท ด้วย Vertex ตั้งแต่แอปพลิเคชันขนาดเล็กไปจนถึงโซลูชันระดับองค์กร. ไม่ว่าขนาดขององค์กรของคุณจะเป็นเช่นไร มันสามารถตอบสนองทุกความต้องการ. 

อย่างที่คุณเห็น, Vertex AI มีประโยชน์มากมาย แต่ฟีเจอร์ AI อะไรที่ช่วยทำให้มันยอดเยี่ยมเช่นนี้? 

ค้นหาคำตอบในส่วนถัดไป. 

ฟีเจอร์หลักของ Google Cloud Vertex AI คืออะไร?

เพื่อที่จะเข้าใจว่าอะไรที่ทำให้แพลตฟอร์ม Google Cloud นี้ดีมากในการนำเสนอและสร้างโมเดล AI, มาดูฟีเจอร์ของมันกัน: 

  • AutoML: ฟังก์ชันนี้เหมาะสำหรับนักพัฒนาที่ไม่มีประสบการณ์มากมายกับ ML แต่ต้องการสร้างโมเดล ML ที่กำหนดเองของตนเอง. มันทำงานได้กับแอป Google หลายตัว รวมถึง Vertex AI, AutoML Tabular และ AutoML Image. 
  • Vertex AI pipelines: ด้วยฟีเจอร์ที่สะดวกนี้ คุณสามารถทำให้การทำงานอัตโนมัติ ติดตาม และสร้าง Workflow ML ทั้งหมดที่สามารถเพิ่มความมีประสิทธิภาพและช่วยคุณจากงานที่ซ้ำซาก. 
  • Pre-trained APIs: ด้วย Vertex AI การรวมวิดีโอ การแปล และการประมวลผลภาษาธรรมชาติทำได้ง่าย. ดังนั้นโมเดลที่ปรับใช้จะตรงตามความต้องการของธุรกิจแม้ว่านักวิศวกรและนักพัฒนาจะไม่มีความรู้ก่อนหน้านี้. 
  • การรวมข้อมูลและ AI: Vertex AI ทำงานร่วมกับ เครื่องมือมากมาย เช่น BigQuery ML, Dataproc หรือ Dataflow. ดังนั้นคุณจึงสามารถสร้างหรือส่งออกข้อมูลจาก BigQuery โดยตรงผ่าน Vertex AI Workbench. นอกจากนี้ยังสามารถรวมเข้ากับเฟรมเวิร์กโอเพ่นซอร์ส เช่น PyTorch และ SensorFlow. 
  • การเลือกเวอร์ชันและการติดตาม: คุณลืมติดตามเวอร์ชันของคุณหรือเปล่า? ด้วย Vertex AI มันจะไม่เกิดขึ้นอีกแล้วเพราะมันติดตามเวอร์ชันของโมเดลได้ง่าย. นอกจากนี้ Vertex AI ยังติดตามประสิทธิภาพของโมเดลผ่านเมตริกการประเมินผลที่เป็นประโยชน์ ดังนั้นคุณสามารถระบุปัญหาได้โดยไม่ต้องรอ. 

เพราะฉะนั้น Vertex AI มีความสามารถในการใช้งานมากมาย แต่ปัญหาคือคุณจะนำไปใช้ทำอะไร?

นี่คือคำถามที่เราจะพยายามตอบในส่วนถัดไป. 

Vertex AI ใช้ทำอะไร? 

โดยปกติแล้ว, ผู้คนใช้เครื่องมือปัญญาประดิษฐ์ในด้านต่าง ๆ มากมาย, ที่นิยมที่สุดคือในการให้บริการลูกค้า (56%) และการจัดการการฉ้อโกง (51%). แต่ยังมีการใช้งานอีกมากมาย เช่น การแนะนำผลิตภัณฑ์ การผลิตเนื้อหา และอื่น ๆ. 

ตามหลักการนี้ Vertex AI มีความสามารถดีๆ หรือเปล่า? แน่นอนว่าเป็นเช่นนั้น; นี่คือกรณีการใช้งานทั่วไปที่สุด: 

  • การคาดการณ์ที่ดีขึ้น: ใช้ Vertex AI เพื่อเพิ่มความถูกต้องในการพยากรณ์แบบเรียลไทม์ เนื่องจากเครื่องมือนี้สามารถวิเคราะห์และตีความเมตาดาต้าได้อย่างรวดเร็ว. 
  • การติดตามที่มีประสิทธิภาพ: Vertex AI ติดตามประสิทธิภาพโมเดลตั้งแต่การเริ่มต้นไปจนถึงผลิตภัณฑ์สุดท้าย ดังนั้นคุณสามารถทำให้กระบวนการรวดเร็วขึ้นและได้ผลลัพธ์ที่ดีขึ้น. 
  • ฟีเจอร์ ML ที่ใช้ร่วมกัน: ผ่าน Vertex AI Feature Store คุณสามารถจัดการและนำฟีเจอร์ ML ที่คุณต้องการกลับมาใช้งานได้. นอกจากนี้คุณไม่จำเป็นต้องมีความรู้ด้าน ML อย่างละเอียดเพื่อใช้งานมัน. 
  • กระบวนการพัฒนาที่ดีขึ้น: ด้วย Vertex AI จึงง่ายที่จะทำให้กระบวนการ ML เป็นระบบระเบียบ ปรับแต่ง และทำให้เป็นอัตโนมัติ เพื่อช่วยเร่งกระบวนการพัฒนา. 

อย่างที่คุณเห็น Vertex AI มีกรณีการใช้งานมากมายที่ทำให้มันเหมาะสำหรับธุรกิจของคุณ.

ก่อนที่เราจะเรียนรู้วิธีการใช้งาน, มาดูบริการ Google Cloud ที่ทำงานร่วมกับ Vertex AI. 

บริการ Google Cloud อะไรที่ทำงานร่วมกับ Vertex AI?

Vertex AI ไม่ทำงานคนเดียว—มันทำงานร่วมกับบริการ Google Cloud อื่น ๆ ที่ช่วยทำให้วงจรชีวิต ML ของคุณเป็นระบบระเบียบและเพิ่มความมีประสิทธิภาพ. แต่ว่าสิ่งที่บริการ Google Cloud คืออะไร?

โดยพื้นฐานแล้วมันคือชุดเครื่องมือของบริการคอมพิวเตอร์คลาวด์ เช่น การวิเคราะห์ข้อมูล การจัดเก็บข้อมูล การสร้างเครือข่าย การติดตั้งคอมพิวเตอร์แบบไม่ต้องใช้เซิร์ฟเวอร์ เครื่องมือพัฒนาเว็บ เป็นต้น. โซลูชันทั้งหมดนี้ทำงานร่วมกับ Vertex AI เพื่อสร้าง Workflow ML ที่มีประสิทธิภาพ.

ยกตัวอย่างเช่น ในการจัดเก็บข้อมูลของ Google คุณสามารถเก็บข้อมูลดิบทั้งหมดของคุณที่ Vertex จะเข้าถึงเพื่อฝึกอบรมโมเดลในภายหลัง. BigQuery เป็นเครื่องมือที่คล้ายกันซึ่งเก็บข้อมูลขนาดใหญ่ที่ Vertex AI ใช้สำหรับการฝึกอบรมในชุด. 

อย่างที่คุณเห็น, ทุกอย่างเชื่อมต่อกับ Vertex AI เพื่อช่วยให้คุณสร้างและนำเสนอการแก้ปัญหา AI ที่ดีที่สุด. 

ยังมีเรื่องเดียวที่เหลือในการพูดคุย: วิธีการใช้งาน Vertex AI เพื่อเริ่มต้นการสร้าง. 

วิธีการใช้งาน Vertex AI และ Workflow การเรียนรู้ของเครื่อง (ML)

คุณกำลังสนใจที่จะใช้ Vertex AI เพื่อทำให้ Workflow ML ของคุณมีประสิทธิภาพ ต้องยอดเยี่ยมเลย! มาดูกันว่ามันง่ายแค่ไหนทีละขั้นตอน: 

1. การเตรียมข้อมูล

ประการแรก เริ่มจากการดึงข้อมูลและทำความสะอาดชุดข้อมูลของคุณ. 

เมื่อคุณทำสิ่งนี้เสร็จแล้ว คุณต้องทำการ วิเคราะห์ข้อมูลสำรวจ (EDA) — เทคนิคที่สรุปลักษณะหลักของชุดข้อมูล. ทำไม? เพื่อทำความเข้าใจข้อมูลที่ ML model คาดหวัง. ใช้ Vertex AI Workbench ในการแสดงภาพและเข้าถึงข้อมูลของคุณ. 

สิ่งที่มาหลังจากนั้น? การใช้การแปลงข้อมูลและวิศวกรรมฟีเจอร์ในโมเดล รวมถึงการแยกข้อมูลออกเป็นชุดการฝึกอบรม, การตรวจสอบ และการทดสอบ. 

2. การฝึกอบรมโมเดล

ตอนนี้มาถึงส่วนสนุก. นี่คือที่ที่นักวิทยาศาสตร์ข้อมูล นักพัฒนา และผู้คนอื่นสามารถเลือกวิธีการฝึกที่เหมาะกับความต้องการทางธุรกิจของพวกเขา. คุณสามารถฝึกโมเดล ML ของคุณได้หลายวิธี: 

  • ใช้ AutoML overview ซึ่งฝึกโมเดลของคุณโดยไม่ต้องเขียนโค้ด. รองรับข้อมูลภาพ ข้อความ และตาราง.
  • ใช้เฟรมเวิร์ก ML ที่คุณชื่นชอบ ซึ่งหมายถึงการเขียนโค้ดของคุณเองและฝึกโมเดลด้วยตัวเอง.
  • ใช้ Vertex AI Experiments ซึ่งทดสอบโมเดลของคุณด้วยเทคนิค ML ต่างๆ และดูว่าอันไหนทำงานได้ดีที่สุด. 
  • ใช้ Vertex AI Vizier หรือการปรับแต่งที่กำหนดเอง ซึ่งมุ่งเน้นที่การปรับแต่งพารามิเตอร์เพื่อตั้งค่าโมเดล ML ที่ซับซ้อน. 

3. การประเมินและการปรับปรุงโมเดล

ขั้นตอนที่สามต้องการให้คุณประเมินผลการทำงานของโมเดลและทำการปรับเปลี่ยนตามผลลัพธ์. นี่จะช่วยให้คุณค้นหาปัญหาและแก้ไขก่อนที่จะปรับใช้โมเดล.

ผ่านตัวชี้วัดต่าง ๆ เช่น ความถูกต้องและการเรียกคืน, คุณสามารถเปรียบเทียบและวัดผลการทำงานของโมเดลของคุณ และดูว่าอันไหนทำงานได้ดีที่สุดโดยรวม. 

4. การปรับใช้โมเดล

หลังจากประเมินอย่างระมัดระวังและอนุมัติผลการทำงานของโมเดล เป็นเวลาที่จะนำเสนอโมเดล. 

อีกครั้ง คุณมีหลายวิธีในการทำเช่นนี้: 

  • ใช้คอนเทนเนอร์ที่สร้างไว้ล่วงหน้าหรือที่กำหนดเอง 
  • ใช้ BigQuery ML
  • ใช้ TensorFlow runtime 
  • ใช้ Vertex AI Feature Store  
  • ใช้ Vertex Explainable AI 

5. การตรวจสอบโมเดล

คุณยังไม่เสร็จสิ้น เนื่องจากยังมีพื้นที่ให้ปรับปรุงอยู่เสมอ. ขั้นตอนสุดท้ายในกระบวนการปรับใช้โมเดลคือการติดตามประสิทธิภาพ. ด้วย Vertex AI Model Monitoring คุณสามารถติดตามโมเดลของคุณและปรับปรุงประสิทธิภาพหากข้อมูลเบี่ยงเบนออกจากการฝึก. นอกจากนี้, Vertex AI ยังมีการแจ้งเตือนและการแจ้งเตือนที่แจ้งให้คุณทราบเมื่อสิ่งใดผิดปกติ เพื่อให้คุณสามารถฝึกอบรมโมเดลของคุณให้ทำงานได้ตามมาตรฐาน. 

ด้วยคู่มือสั้น ๆ นี้ คุณก็พร้อมที่จะลองใช้ Vertex AI.

ขึ้นอยู่กับคุณ

การใช้ Vertex AI ทำให้การจัดการเวิร์กโฟลว์ ML ของคุณง่ายขึ้นและทำให้มั่นใจว่ามีประสิทธิภาพ ความถูกต้อง และความสม่ำเสมอ. ตอนนี้คุณรู้คำตอบสำหรับคำถามว่า, “Vertex AI คืออะไร?” คุณก็เข้าใกล้การทำให้กระบวนการธุรกิจของคุณเป็นระบบระเบียบหนึ่งก้าว.

แต่เพื่อให้สามารถทำงานได้มีประสิทธิภาพ คุณต้องการ Guru.

มันเป็นเครื่องมือการจัดการความรู้ที่เชื่อมต่อแอปและเอกสารทั้งหลายของคุณในที่เดียว. ด้วย Guru คุณสามารถค้นหาข้อมูลในทุกแอปพลิเคชันและได้รับคำตอบทันทีสำหรับทุกคำถาม โดยไม่ต้องเปลี่ยนบริบท.

สัมผัสพลังของ Guru โดย ลงทะเบียนวันนี้.

Key takeaways 🔑🥡🍕

Vertex AI ใช้ทำอะไร?

Vertex AI ใช้สำหรับการสร้าง ปรับใช้ และปรับขนาดโมเดลการเรียนรู้ของเครื่องบน Google Cloud ทำให้เวิร์กโฟลว์ ML ง่ายขึ้นโดยการรวมบริการ Google Cloud หลายอย่างเข้าด้วยกันในแพลตฟอร์ม AI ที่รวมกัน.

Google Vertex AI ฟรีหรือไม่?

Google Vertex AI มีระดับการใช้งานฟรีที่จำกัดการใช้งาน แต่ฟีเจอร์ที่สูงขึ้นและระดับการใช้งานที่สูงขึ้นต้องการการสมัครสมาชิกแบบชำระเงิน.

Vertex AI คุ้มค่าหรือไม่?

Vertex AI คุ้มค่าต่อธุรกิจและนักพัฒนาที่มองหาโซลูชัน AI ที่ครอบคลุม สามารถปรับขนาดได้ และแบบรวมเพื่อทำให้การดำเนินงานด้านการเรียนรู้ของเครื่องเป็นระบบระเบียบและใช้ประโยชน์จากโครงสร้างพื้นฐานที่มีพลังของ Google Cloud.

ความแตกต่างระหว่าง Google AI กับ Vertex AI คืออะไร?

Google AI ครอบคลุมงานวิจัยและผลิตภัณฑ์ปัญญาประดิษฐ์ของ Google ที่หลากหลาย ในขณะที่ Vertex AI เป็นแพลตฟอร์มเฉพาะภายใน Google Cloud ที่ออกแบบมาเพื่อจัดการกับวงจรชีวิตการเรียนรู้ของเครื่องทั้งหมด.

ทำไมเราถึงใช้ Vertex AI?

เราใช้ Vertex AI เพื่อลดความยุ่งยากและเร่งการพัฒนา การปรับใช้ และการจัดการโมเดลการเรียนรู้ของเครื่อง โดยใช้โครงสร้างพื้นฐานคลาวด์ที่แข็งแกร่งของ Google และเครื่องมือที่รวมไว้ด้วยกัน

Vertex AI คุ้มค่าหรือไม่?

ใช่, Vertex AI มอบคุณค่าที่สำคัญโดยการนำเสนอวิธีการที่ไม่ซับซ้อนและสามารถปรับขนาดได้สำหรับการดำเนินการด้าน ML โดยเฉพาะสำหรับองค์กรที่ลงทุนในระบบนิเวศของ Google Cloud

Vertex AI รองรับภาษาการเขียนโปรแกรมและเฟรมเวิร์กอะไรบ้าง?

แพลตฟอร์ม Vertex AI รองรับภาษาการเขียนโปรแกรมต่างๆ เช่น C, Java และ Python รวมถึงภาษาด้านหน้าเช่น HTML และ CSS 

เกี่ยวกับเฟรมเวิร์ก, Vertex รองรับเครื่องมือสำหรับการฝึกอบรมที่กำหนดเอง รวมถึง PyTorch, TensorFlow, XGBoost และ scikit-learn 

ฉันจะเข้าถึง Google Vertex AI ได้อย่างไร?

เริ่มใช้งาน Google Vertex AI โดยทำตามขั้นตอนเหล่านี้: 

  1. สร้างบัญชี
  2. เลือกหรือสร้างโปรเจกต์ Google Cloud ใหม่ใน Google Cloud console 
  3. เปิดใช้งาน Vertex AI API
  4. ติดตั้ง Google Cloud CLI และรันคำสั่งนี้: gcloud init 
  5. ติดตั้งและอัปเดต gcloud components ผ่านคำสั่งเหล่านี้: gcloud components update และ gcloud components install beta 

การสนับสนุนลูกค้าประเภทใดบ้างที่มีให้สำหรับผู้ใช้ Vertex AI?

Vertex AI มีระดับการสนับสนุนที่แตกต่างกันขึ้นอยู่กับขอบเขตการดูแลลูกค้าที่คุณต้องการ 

สำหรับการสนับสนุน มาตรฐาน คุณจะได้รับการเข้าถึงการสนับสนุนทางเทคนิคไม่จำกัด โดยมีเวลาในการตอบกลับ 4 ชั่วโมง เวอร์ชัน Enhanced เสนอการสนับสนุนตลอด 24 ชั่วโมง ไม่จำกัดในหลายภาษาและช่องทาง การสนับสนุน Premium มีผู้จัดการบัญชีทางเทคนิคเฉพาะทาง 

คุณยังสามารถเข้าร่วมกับ Google Cloud Community เพื่อตั้งคำถามเกี่ยวกับ Vertex AI 

Search everything, get answers anywhere with Guru.

Learn more tools and terminology re: workplace knowledge