Google日前舉辦機器學習系列媒體聚會，聚焦雲端服務主題，說明Google機器學習技術在雲端平台(Google Cloud Platform，GCP) 上應用的四大重點，包括雲端運算、演算法、數據與技術人才，以及如何透過TensorFlow和雲端平台提供的，幫助企業與開發者更容易、快速地取得有用的機器學習模型和工具。此外也首次邀請到台灣企業代表—和明紡織，分享如何透過Google機器學習技術結合雲端平台的應用幫助企業轉型，並帶動服務及商業模式創新。

Google日前舉辦機器學習系列媒體聚會，聚焦雲端服務主題。

和明紡織利用Google機器學習及雲端平台服務為傳產注入智慧創新 進入市場速度提升25%，面對全球紡織業及快時尚的激烈競爭，以及內部舊有倉儲技術、仰賴人力處理的接單流程相當費時等困境，和明紡織一直希望將累積多年的專業經驗和技術，有效結合科技智慧讓其以數據形式保留，進而能分析、再利用並提升企業營運效率。去年10月開始，和明紡織運用Google機器學習技術及雲端平台服務，陸續將生產過的布料樣式數位化建檔，並訓練布料樣式的辨識模型，幫助設計師能快速從資料庫中搜尋特定樣式，以往接到客戶的布料樣式需求，從靈感發想、設計到看樣到提供樣布，平均需要1.5至3個月的時間，透過新系統的協助將能有效利用既有檔案及庫存，甚至只需2-3天即可完成。

和明紡織策略執行顧問李佳憲表示：「在機器學習系統和應用程式的幫助下，和明紡織得以改善既有作業方式及流程，把新設計帶到市場平均所需的時間預估能大幅降低25%，從原先12個月縮短至9個月。而和明紡織的長期計畫則是結合機器學習和行動應用程式產品作為雲端服務，讓來自其他產業的參與者都能使用，促進紡織業整體效率的提升。」

Google雲端企業客戶經理田哲禹表示：「我們很高興看到和明紡織運用Google雲端平台和機器學習技術，有效改善內部作業流程更創造了新的服務模式。Google長期致力於降低人工智慧的進入門檻，搭配雲端平台的應用，能讓企業和開發者更快速、容易的導入相關技術，為台灣傳統產業帶來新契機，朝向智慧轉型前進。」

為了實現人工智慧大眾化的目標，並讓人工智慧能貼近每個人的生活，Google發展雲端人工智慧服務特別著力於以下四大重點：運算、演算法、數據、人才。

運算：因應人工智慧相關應用有龐大的運算需求，Google Cloud AI提供全方位的運算能力，包括GPU、CPU和Cloud TPU，為機器學習提供基礎的動力。例如知名音樂辨識應用程式Shazam便採用Google Cloud GPU，將使用者錄製的音樂片段與超過4000萬首歌曲的索引進行配對，原本每天一次的歌曲索引更新速度，變成如今每小時一次，成功藉由雲端大幅提高運算效能。

演算法：高效的運算能力只是第一步，還必須透過正確的工具來執行各種演算法。為此Google Cloud AI提供機器學習的服務，包括TensorFlow、雲端機器學習服務(Cloud Machine Learning Engine)以及預先訓練過的機器學習模型來執行各式演算法。

數據：Google藉由公開分享的多樣數據資料庫，例如基因組序公開數據，幫助企業學習如何蒐集與整理有用的數據資料，做為後續分析、應用的來源。

人才：Google持續投入資源培育機器學習人才，例如透過Google Brain Residency計畫，每年資助全球超過250個相關學術研究計畫、大量博士生與實習生。此外，Google進階解決方案實驗室(Advanced Solutions Lab)，讓企業能與Google機器學習專家們面對面交流和學習。

除了以上四大重點項目，今年1月Google也發表Cloud AutoML，並推出Cloud AutoML的第一款產品Cloud AutoML Vision API，讓一般公司即使無法像大型企業投入大量資源和人力操作，也能開發出符合自身工作需求的客製化機器學習模型。同時，Google雲端也提供語音、翻譯、影像辨識及自然語言處理等API，協助企業多樣化的運用機器學習技術以達成不同工作目標。Google雲端將持續優化現有的雲端機器學習服務，也將擴大與企業合作，期望透過多元的雲端機器學習服務，協助更多企業提升市場競爭力。