Google正在推出兩種新工具，一種是專(zhuān)有工具，另一種是開(kāi)放源代碼：AI Hub和Kubeflow管道。兩者均旨在協(xié)助數據科學(xué)家設計，啟動(dòng)和跟蹤其機器學(xué)習算法。

借助AI Hub和Kubeflow管道，Google 將于 1月份發(fā)布其較早版本的Cloud AutoML，并繼續其簡(jiǎn)化和加快客戶(hù)適應Google AI技術(shù)和服務(wù)的能力的戰略。Cloud ML Platform的工程總監Hussein Mehanna在博客中寫(xiě)道：

我們的目標是使AI覆蓋所有業(yè)務(wù)。但這意味著(zhù)降低準入門(mén)檻。這就是為什么我們在構建所有AI產(chǎn)品時(shí)會(huì )牢記三個(gè)想法的原因：簡(jiǎn)化它們，使更多的企業(yè)可以采用它們，使它們對最廣泛的組織有用，并使其快速發(fā)展，以便企業(yè)可以迭代并更快地獲得成功。

Google引入了AI Hub，使AI可以更廣泛地接觸企業(yè)，使他們更容易發(fā)現，共享和重用現有工具和工作。此外，AI Hub是ML內容的一站式目的地，例如管道，Jupyter筆記本和TensorFlow模塊。根據Mehanna所說(shuō)的好處是：

由Google Cloud AI，Google Research和其他Google團隊開(kāi)發(fā)的高質(zhì)量ML資源對所有企業(yè)都是公開(kāi)可用的。

Google提供了一個(gè)安全的私有中心，企業(yè)可以在其中上載和共享組織內的ML資源。該中心使企業(yè)可以輕松地重復使用管道并將其部署到GCP或使用Kubeflow Pipeline系統的混合基礎架構上的生產(chǎn)中，只需幾個(gè)步驟。

接下來(lái)，作為組織可以發(fā)現，共享和重用ML資源的中心，他們還可以使用Kubeflow Pipelines構建和打包ML資源。Kubeflow管道是Kubeflow的擴展，Kubeflow是在Kubernetes之上開(kāi)發(fā)的開(kāi)放源代碼框架，專(zhuān)門(mén)為機器學(xué)習而設計。這些管道本質(zhì)上是容器化的構建塊，用戶(hù)可以將它們串在一起以構建和管理機器學(xué)習工作流。