Google LLC今天宣布了AI Platform Prediction的全面上市，该服务允许公司在其公共云上托管机器学习模型，而不必担心基础架构管理。

即使对于大型企业，手动设置生产级机器学习环境在技术上也可能具有挑战性。借助AI Platform Prediction，Google承诺消除大多数麻烦。

该产品使客户可以在Google GKE管理的Kubernetes服务之上创建机器学习环境，而无需自行设置和维护部署。 当AI Platform Prediction正式发布时，它还将获得一些新功能。

为了提高安全性，Google增加了围绕机器学习模型创建所谓的边界的功能，以将它们与公司的其他云环境隔离。管理员可以将边界配置为仅允许模型与其严格需要访问的资源和工作负载进行交互。这种隔离在出现漏洞时很方便，因为它使黑客更难通过从一个应用程序跳到另一个应用程序来更深入地进入公司网络。

AI平台预测的另一个新功能是资源指标。现在，在Google的Cloud Console和Stackdriver监视工具中，管理员可以查看模型的云基础架构利用率，以发现降低硬件成本或优化性能的机会。

不同类型的人工智能计划通常需要不同的开发框架。为了扩大公司可以在AI Platform Prediction上运行的项目的范围，Google添加了对使用XGBoost和scikit框架创建的模型的改进支持。XGBoost用于基于称为梯度提升的方法构建模型，这是深度学习的替代方法，可用于分析电子表格等数字数据。Scikit是一个相对简单的AI创建工具，优先考虑易用性。

Google工程师Bhupesh Chandra和Robbie Haertel在博客中写道：“ AI平台使您只需点击几下即可轻松部署使用这些框架训练的模型-我们将在您选择的硬件上处理服务基础架构的复杂性。”

除了增强了机器学习功能外，Google今天还推出了一组更加通用的监视功能，用于跟踪云实例的运行状况。该公司提供管理员可以在其实例上安装的软件代理，以跟踪诸如内存使用率之类的指标。管理员现在可以访问基于Windows的虚拟机的改进监视代理程序，以及节省时间的工具，该工具可以批量安装和更新代理程序。

Google Cloud产品经理Morgan McLean 解释说： “ 只需执行一条命令，您就可以创建一个策略来管理现有和新的VM，确保两个代理的正确安装和可选的自动升级。”