Google Cloud AI Launch bezeichnet den Zeitraum im Jahr 2018, in dem Google seine Cloud-Computing-Plattform um eine Reihe von Diensten für künstliche Intelligenz und maschinelles Lernen erweiterte und damit auf seinen früheren Cloud-Angeboten aufbaute. Diese Dienste sollten fortschrittliche KI-Fähigkeiten für Entwickler und Unternehmen zugänglich machen, über die Google-Cloud-Plattform, die auf derselben Infrastruktur läuft, die auch für interne Google-Produkte wie die Google-Suche und Gmail verwendet wird. Der Start markierte einen bedeutenden Schritt zur Kommerzialisierung von KI-Tools, wobei Dienste wie Cloud AutoML und Cloud TPU einem breiteren Publikum zur Verfügung gestellt wurden.
Google Cloud, das ursprünglich im April 2008 mit dem Start von App Engine angekündigt wurde, hatte sich bis 2018 zu einer umfassenden Plattform entwickelt, die Infrastructure as a Service, Platform as a Service und serverloses Computing anbietet. Die KI-fokussierten Ergänzungen im Jahr 2018 waren Teil einer umfassenderen Strategie, maschinelles Lernen und künstliche Intelligenz in die Cloud zu integrieren, um Google gegen Wettbewerber wie Amazon Web Services und Microsoft Azure zu positionieren. Diese Dienste nutzten Googles interne Forschung zu Deep-Learning- und neuralen Netzwerk-Modellen, einschließlich Beiträgen von Google DeepMind.
Cloud-KI-Dienste
Die Einführung im Jahr 2018 brachte mehrere wichtige Dienste unter dem Dach der Cloud-KI hervor. Cloud AutoML, das sich ab September 2018 in der Betaphase befand, ermöglichte es Nutzern, benutzerdefinierte Modelle für maschinelles Lernen ohne umfangreiche Fachkenntnisse zu trainieren und bereitzustellen. Cloud TPU stellte spezialisierte Beschleuniger für das Training von Modellen bereit und beschleunigte so Deep-Learning-Arbeitslasten erheblich. Die Cloud Machine Learning Engine bot einen verwalteten Dienst zum Erstellen und Trainieren von Modellen mit gängigen Frameworks wie TensorFlow.
Weitere Dienste umfassten Dialogflow Enterprise für den Aufbau von Konversationsschnittstellen, Cloud Natural Language für die Textanalyse sowie Cloud Speech-to-Text und Cloud Text-to-Speech für die Audioverarbeitung. Die Cloud Vision API und Cloud Video Intelligence ermöglichten die Bild- und Videoanalyse, während die Cloud Translation API dynamische Übersetzungen über Tausende von Sprachen hinweg unterstützte. Diese Tools basierten auf Googles Deep-Learning-Modellen und machten fortschrittliche KI-Techniken als skalierbare Cloud-Dienste verfügbar.
Infrastruktur und Rechenleistung
Die KI-Dienste wurden durch die breitere Google-Cloud-Infrastruktur unterstützt, die Rechen-, Speicher- und Netzwerkprodukte umfasste. Compute Engine bot virtuelle Maschinen mit Linux oder Microsoft Windows an, während App Engine eine Platform as a Service für die Bereitstellung von Anwendungen in Sprachen wie Java, Python und Go bereitstellte. Google Kubernetes Engine (GKE) verwaltete containerisierte Arbeitslasten auf Basis von Kubernetes, und Cloud Functions ermöglichte ereignisgesteuertes serverloses Computing.
Für die Speicherung übernahm Cloud Storage die Verwaltung unstrukturierter Daten mit Edge-Caching, und Cloud SQL bot verwaltete Datenbanken auf Basis von MySQL, PostgreSQL und Microsoft SQL Server an. Cloud Spanner stellte eine horizontal skalierbare relationale Datenbank bereit, und Cloud Bigtable diente als verwalteter NoSQL-Dienst. Diese Komponenten bildeten das Fundament, auf dem KI-Modelle in großem Maßstab trainiert und bereitgestellt werden konnten.
Big Data und Analytik
KI-Arbeitslasten erfordern häufig eine robuste Datenverarbeitung, und Google Cloud stellte dafür mehrere Big-Data-Tools bereit. BigQuery diente als skalierbares Data Warehouse für Analytik, während Cloud Dataflow auf Basis von Apache Beam die Verarbeitung von Streaming- und Batch-Daten übernahm. Dataproc unterstützte Apache-Hadoop- und Apache-Spark-Jobs, und Cloud Pub/Sub verwaltete die Ereignisaufnahme über Nachrichtenwarteschlangen. Diese Dienste ermöglichten es Organisationen, die großen Datensätze vorzubereiten und zu analysieren, die für effektives maschinelles Lernen erforderlich sind.
Verwaltung und Sicherheit
Um die Einführung in Unternehmen zu fördern, umfasste Google Cloud Verwaltungstools wie die Cloud Console, eine Weboberfläche für die Ressourcenverwaltung, und Cloud Shell für den browserbasierten Befehlszeilenzugriff. Die Operations Suite, ehemals Stackdriver, bot Überwachungs- und Protokollierungsfunktionen. Zu den Sicherheitsfunktionen gehörten Cloud IAM für die rollenbasierte Zugriffskontrolle, Cloud Identity für das Single Sign-on und der Cloud Key Management Service für die Verwaltung von Verschlüsselungsschlüsseln. Diese Tools trugen dazu bei, dass KI-Dienste in einer kontrollierten und sicheren Umgebung bereitgestellt werden konnten.
Auswirkungen und Vermächtnis
Die KI-Einführung im Jahr 2018 half Google Cloud, sich als bedeutender Akteur im Cloud-KI-Markt zu etablieren und mit Angeboten von Amazon Web Services und Microsoft Azure zu konkurrieren. Durch die Bereitstellung zugänglicher Tools wie Cloud AutoML und leistungsstarker Hardware wie Cloud TPU ermöglichte Google einer breiteren Palette von Organisationen die Nutzung von maschinellem Lernen und generativer KI. Die Dienste legten das Fundament für spätere Entwicklungen bei Large-Language-Modellen und Transformer-Architekturen, die in den folgenden Jahren zentral für KI-Anwendungen werden sollten. Ab 2022 bezeichneten Googles offizielle Materialien Google Cloud als neuen Namen für die Google Cloud Platform, was den erweiterten Umfang der Plattform über die reine Infrastruktur hinaus hin zu KI und anderen Diensten widerspiegelt.