发布人: Lauren Usui 和 Joe Fernandez
如今，人工智能已成为世界各地茶余饭后的热议话题，随着用户和开发者比以往更加容易接触 AI，我们希望增加 AI 的易用性和实用性，让每个人都能受益。在今年的 Google I/O 大会上，我们重点介绍了 Google 将如何帮助像您这样的开发者借助生成式 AI 进行构建、在电子表格和应用中使用机器学习、从零开始创建机器学习模型，并将其扩展，为数百万用户提供服务。在 AI 技术快速发展的同时，我们必须不断确保负责任地使用这类技术。因此，我们还用一些时间说明了 Google 如何采用有原则的方法应用生成式 AI，以及您可以如何应用我们的准则和工具，来确保您以负责任的方式构建 AI 驱动型产品和项目，从而为所有用户提供服务。如果您对 AI 尚不熟悉，但希望快速了解这项技术，您可以观看下方由 Google AI 推广工程师主管 Laurence Moroney 主讲的入门视频:
最近似乎每个人都在谈论生成式 AI，我们希望您能使用 Google 最新的大型语言模型 PaLM 2，借助 PaLM API 为您的用户打造全新的实用体验。我们关于生成式 AI 的演讲视频详细介绍了如何轻松地使用 MakerSuite 提示模型，以便快速创建生成式 AI 应用的原型。我们演示了如何使用 PaLM API 处理任务，包括使用示例进行提示，进行会话式聊天交互，以及使用嵌入功能，以有用的方式压缩和比较文本数据。此外，我们还展示了如何借助简单而奇妙的语法在 Google Colab notebook 中使用 PaLM API。您可以观看该演讲视频并注册，获取 PaLM API 和 MakerSuite 的访问权限！
数以亿计的用户都在使用电子表格来整理、管理和分析来自商业交易、库存核算、家庭预算等各类数据。我们致力于让每个人都能借助 Google 表格插件 Simple ML for Sheets 轻松地在电子表格中使用 AI 的强大功能。我们最近更新了这一工具，加入了异常检测和预测功能。您可以观看视频演示，了解如何利用该工具推测缺失的数据值和预测销售额。完全不需要编写代码！
AI 越来越多地应用于不同平台的应用中，而 MediaPipe 可以帮助您轻松地构建、自定义和部署设备端机器学习解决方案。今年，我们对 MediaPipe 解决方案进行了升级，在完善现有解决方案的同时加入了新的功能，包括交互式分割，用于模糊所选主体后面的背景；以及人脸风格化，用于将自拍渲染成您最喜欢的图形风格。
每周，成千上万的开发者都会使用 JavaScript 和 Web 技术构建 AI 驱动型应用，使其在浏览器或 Node.js 中运行。Web 机器学习已在多个领域取得进展，我们在今年的 Google I/O 大会演讲中也总结了一些重要更新。我们宣布推出 Visual Blocks for ML，这是一个开放式 JavaScript 框架，用于以交互方式快速构建自定义机器学习流水线。随着 WebGL 的性能提升，和 Chrome 中推出的 WebGPU，您现在可以更快地运行机器学习模型。目前我们还面向 Web 机器学习开发者推出了更多工具和资源，包括 TensorFlow 决策森林 (TF-DF) 支持、模型可视化调试器、JAX 到 JS 转换支持，以及用于提升 Web 机器学习技能的全新《从入门到精通》培训课程。
构建机器学习模型涉及收集数据、训练、评估和优化等多个步骤，可能需要大量时间和精力。Kaggle 有助于开发者更轻松地发现和使用预训练模型。借助 Kaggle 模型，您可以搜索顶尖机器学习研究人员为多个机器学习平台构建的数千个开放式授权模型。通过任务、支持的数据类型、模型架构等过滤条件，快速寻找您所需的模型。将此新功能与 Kaggle 超过 20 万个数据集的庞大资源库相结合，加快您下一个机器学习项目的开发速度。
许多开发者都在探索 AI 技术，而且很多人都对构建计算机视觉和自然语言处理应用感兴趣。为此，Keras 发布了全新的、易于使用的内容库，以便开发者借助 KerasCV 和 KerasNLP 进行计算机视觉和自然语言处理。只需几行代码，您即可运用最新技术和模型，实现数据增强、目标检测、图像和文本生成以及文本分类。这些新的内容库提供了易于自定义的模块化实现，并且与更广泛的 TensorFlow 生态系统 (包括 TensorFlow Lite、TPU 和 DTensor) 紧密集成。
使用 TensorFlow，
灵活、可扩展地构建机器学习
TensorFlow 生态系统拥有全球最大的机器学习开发社区之一，可以帮助成千上万像您这样的开发者构建、训练、部署和管理机器学习模型。机器学习技术正在快速发展，与此同时，我们通过新工具升级 TensorFlow，为您提供更多灵活性、可扩展性和效率。如果您正在使用 JAX，现在可以借助 JAX2TF 将您的模型组件与 TensorFlow 生态系统相集成。此外，我们还优化了 DTensor 对模型并行的支持，让您可以通过在多台计算机上运行单个模型的部分或分片，来扩展执行更大模型的能力。我们还推出了一款工具包，旨在将量化技术应用到几乎任何 TensorFlow 模型中，从而帮助您大幅提升 AI 应用的效率。此量化工具包将于今年晚些时候发布。
当您需要针对业务、企业或全球市场部署 AI 驱动型应用时，您需要能随着需求而扩展的可靠工具和服务。Google Cloud 的 Vertex AI 是一个端到端机器学习平台，可以帮助您快速且轻松地开发机器学习模型，并以任何规模部署这些模型。为了帮助您构建适合您产品或企业的生成式 AI 技术，我们推出了 Model Garden 和 Generative AI Studio，将其作为 Vertex AI 平台的一部分。借助 Model Garden，您可以快速访问 Google PaLM 2 等最新基础模型，以及构建用于文本处理、图像和代码的 AI 驱动型应用所需的许多其他模型。Generative AI Studio 则让您可以在浏览器中快速创建生成式 AI 应用原型设计，并且当您准备好进行部署时，Vertex AI 和 Google Cloud 服务可让您扩展至数百、数千或数百万的用户。
随着用于 AI 开发的工具、科技和技术的飞速发展，找到入门或进行后续项目所需的资源可能充满挑战性。在 Build with Google AI 中，我们可帮助您更轻松地找到合适的资源来加快 AI 开发速度。这个全新网站汇集了用于构建、部署和管理机器学习的工具、指南和社区。无论您是在创建用于设备端应用的 AI，还是大规模部署 AI，我们都能帮助您了解具体方案并找到适合自己的路径。您可以在 Building an LLM on Android 和 Text Classification with Keras 上查看我们的最新工具包。
Build with Google AI
https://ai.google/build/machine-learning
Building an LLM on Android
https://ai.google/build/machine-learning/toolkits/llm-android
Text Classification with Keras
https://ai.google/build/machine-learning/toolkits/applied-ml-keras
AI 是一种强大的工具，我们所有人都需要确保以负责任的方式使用 AI，并让每个人都能受益。我们致力于确保 Google AI 系统的开发工作符合我们的 AI 原则。在今年的 Google I/O 大会上，我们介绍了 Google 如何创建指南和工具，以安全且负责任地构建生成式 AI，以及您如何将这些指南和工具应用于自己的项目。
以上为您介绍了关于 AI 和机器学习的内容！您可以查看完整播放列表，观看本文中提及的所有与 AI 相关的演讲视频。我们非常高兴能与您分享这些全新的工具、资源和技术，并且迫不及待看到您创作出优秀作品！
