Google Cloud AI Launch는 2018년에 구글이 자사의 클라우드 컴퓨팅 플랫폼을 인공지능 및 머신러닝 서비스 모음으로 확장한 시기를 가리키며, 이는 이전의 클라우드 서비스를 기반으로 한 것이었다. 이러한 서비스들은 구글 검색과 Gmail 같은 구글의 내부 제품에 사용되는 것과 동일한 인프라에서 실행되는 Google Cloud 플랫폼을 통해 개발자와 기업이 고급 AI 기능에 접근할 수 있도록 설계되었다. 이 출시는 Cloud AutoML과 Cloud TPU 같은 서비스가 더 넓은 사용자층에게 제공되면서 AI 도구의 상업화에 중요한 진전을 의미했다.
Google Cloud는 2008년 4월 App Engine 출시와 함께 처음 발표되었으며, 2018년까지 서비스형 인프라, 서비스형 플랫폼, 서버리스 컴퓨팅을 제공하는 종합 플랫폼으로 진화했다. 2018년의 AI 중심 추가 기능은 머신러닝 및 인공지능 기능을 클라우드에 통합하려는 더 넓은 전략의 일부였으며, 아마존 웹 서비스 및 애저와 같은 경쟁사에 맞서 구글을 포지셔닝했다. 이러한 서비스들은 구글 딥마인드의 기여를 포함하여 딥러닝 및 신경망 모델에 대한 구글의 내부 연구를 활용했다.
Cloud AI 서비스
2018년 출시는 Cloud AI 우산 아래 여러 핵심 서비스를 도입했다. 2018년 9월 기준 베타 버전이었던 Cloud AutoML은 사용자가 광범위한 전문 지식 없이도 맞춤형 머신러닝 모델을 훈련하고 배포할 수 있게 했다. Cloud TPU는 모델 훈련을 위한 특수 가속기를 제공하여 딥러닝 작업을 크게 가속화했다. Cloud Machine Learning Engine은 TensorFlow와 같은 주류 프레임워크를 사용하여 모델을 구축하고 훈련하기 위한 관리형 서비스를 제공했다.
다른 서비스로는 대화형 인터페이스 구축을 위한 Dialogflow Enterprise, 텍스트 분석을 위한 Cloud Natural Language, 오디오 처리를 위한 Cloud Speech-to-Text 및 Cloud Text-to-Speech가 포함되었다. Cloud Vision API와 Cloud Video Intelligence는 이미지 및 비디오 분석을 가능하게 했으며, Cloud Translation API는 수천 개의 언어 쌍에 걸친 동적 번역을 지원했다. 이러한 도구들은 구글의 딥러닝 모델을 기반으로 구축되어 고급 AI 기술을 확장 가능한 클라우드 서비스로 제공했다.
인프라 및 컴퓨팅
AI 서비스는 컴퓨팅, 스토리지, 네트워킹 제품을 포함하는 Google Cloud의 더 넓은 인프라에 의해 지원되었다. Compute Engine은 Linux 또는 Microsoft Windows를 실행하는 가상 머신을 제공했으며, App Engine은 Java, Python, Go와 같은 언어로 애플리케이션을 배포하기 위한 서비스형 플랫폼을 제공했다. Google Kubernetes Engine(GKE)은 Kubernetes를 기반으로 컨테이너화된 워크로드를 관리했으며, Cloud Functions는 이벤트 기반 서버리스 컴퓨팅을 가능하게 했다.
스토리지의 경우 Cloud Storage는 엣지 캐싱으로 비정형 데이터를 처리했고, Cloud SQL은 MySQL, PostgreSQL, Microsoft SQL Server를 기반으로 한 관리형 데이터베이스를 제공했다. Cloud Spanner는 수평 확장이 가능한 관계형 데이터베이스를 제공했으며, Cloud Bigtable은 관리형 NoSQL 서비스 역할을 했다. 이러한 구성 요소들은 AI 모델을 대규모로 훈련하고 배포할 수 있는 기반을 형성했다.
빅데이터 및 분석
AI 워크로드는 종종 강력한 데이터 처리를 요구하며, Google Cloud는 여러 빅데이터 도구를 제공했다. BigQuery는 분석을 위한 확장 가능한 데이터 웨어하우스 역할을 했으며, Apache Beam을 기반으로 한 Cloud Dataflow는 스트림 및 배치 처리를 처리했다. Dataproc은 Apache Hadoop 및 Apache Spark 작업을 지원했고, Cloud Pub/Sub은 메시지 큐를 통한 이벤트 수집을 관리했다. 이러한 서비스들은 조직이 효과적인 머신러닝에 필요한 대규모 데이터 세트를 준비하고 분석할 수 있게 했다.
관리 및 보안
기업 채택을 지원하기 위해 Google Cloud에는 리소스 관리를 위한 웹 인터페이스인 Cloud Console과 브라우저 기반 명령줄 접근을 위한 Cloud Shell과 같은 관리 도구가 포함되었다. Operations 제품군(이전의 Stackdriver)은 모니터링 및 로깅을 제공했다. 보안 기능에는 역할 기반 접근 제어를 위한 Cloud IAM, 단일 로그인을 위한 Cloud Identity, 암호화 키 관리를 위한 Cloud Key Management Service가 포함되었다. 이러한 도구들은 AI 서비스가 통제되고 안전한 환경에서 배포될 수 있도록 보장하는 데 도움이 되었다.
영향 및 유산
2018년 AI 출시는 Google Cloud가 아마존 웹 서비스 및 애저의 서비스와 경쟁하는 클라우드 AI 시장의 주요 플레이어로 자리 잡는 데 도움이 되었다. Cloud AutoML과 같은 접근 가능한 도구와 Cloud TPU와 같은 고성능 하드웨어를 제공함으로써 구글은 더 넓은 범위의 조직이 머신러닝 및 생성형 AI 기술을 채택할 수 있게 했다. 이러한 서비스들은 이후 대규모 언어 모델 및 트랜스포머 아키텍처의 발전을 위한 기반을 마련했으며, 이는 이후 몇 년간 AI 애플리케이션의 핵심이 되었다. 2022년 기준으로 구글의 공식 자료는 Google Cloud를 Google Cloud Platform의 새 이름으로 언급했으며, 이는 플랫폼이 인프라를 넘어 AI 및 기타 서비스를 포함하도록 범위를 확장했음을 반영한다.