4 cách thúc đẩy đổi mới và giảm thiểu chi phí với Google Cloud AI & ML

Tháng Chín 18, 2022
Nga Pham

Cho dù là cố gắng trích xuất thông tin chi tiết từ dữ liệu, tạo ra một quy trình làm việc nhanh và hiệu quả hơn thông qua tự động hoá thông minh hay xây dựng một trải nghiệm người dùng sáng tạo, các nhà lãnh đạo tại các công ty công nghệ và công ty khởi nghiệp (startup) ngày nay đều hiểu rằng kiến thức về trí tuệ nhân tạo (Artifical Intelligence – AI) và máy học (Machine Learning – ML) là quan trọng hơn bao giờ hết.

Các công nghệ AI và ML thường tốn kém và cần nhiều thời gian để phát triển, hơn nữa nhu cầu về các chuyên gia AI và ML phần lớn vẫn vượt xa nguồn lực hiện có. Những yếu tố này buộc các công ty công nghệ và startup phải thận trọng phân bổ nguồn lực khi cân nhắc áp dụng AI/ML vào chiến lược kinh doanh của mình. Trong bài đăng này, hãy cùng khám phá bốn mẹo giúp các công ty tăng tốc đổi mới và giảm thiểu chi phí AI và ML.

4 mẹo tăng tốc đổi mới và giảm thiểu chi phí với AI và ML

Những công ty sáng tạo nhất hiện nay đang tạo ra các dịch vụ hoặc sản phẩm không thể tồn tại nếu thiếu AI, nhưng điều đó không có nghĩa là họ đang xây dựng cơ sở hạ tầng và đường ống AI/ML của mình ngay từ đầu. Ngay cả đối với các công ty khởi nghiệp có công việc kinh doanh không liên quan trực tiếp đến AI, việc đưa AI vào các quy trình hoạt động cũng có thể giúp họ quản lý chi phí khi công ty phát triển. Bằng cách sử dụng một nhà cung cấp đám mây cho các dịch vụ AI, các tổ chức có thể mở ra cơ hội để thúc đẩy sự phát triển, tự động hoá các quy trình và giảm thiểu chi phí.

1. Tận dụng các API được huấn luyện trước để bắt đầu phát triển sản phẩm

Các công ty công nghệ và startup thường mong muốn nhân tài kỹ thuật của họ tập trung vào các dự án độc quyền để tạo ra sự khác biệt cho doanh nghiệp. Điều này đòi hỏi việc phát triển các ứng dụng mới với cùng một công nghệ AI, nhưng không nhất thiết là phát triển chính công nghệ AI. Trong các trường hợp như vậy, các API được huấn luyện trước (pre-traind API) giúp các tổ chức thiết lập nền tảng nhanh chóng và tiết kiệm, đồng thời tập trung cho các công việc có giá trị cao và khác biệt hơn. 

Ví dụ, nhiều công ty xây dựng AI hội thoại trong các sản phẩm và dịch vụ của họ bằng cách áp dụng các API đám mây của Google như Speech-to-Text và Natural Language. Với các API này, các nhà phát triển có thể dễ dàng tích hợp các khả năng như phiên âm, phân tích cảm xúc, phân tích cú pháp, phân loại nội dung, lọc ngôn từ không lịch sự, phân cực người dùng và hơn thế nữa. Những công nghệ mạnh mẽ này giúp các tổ chức tập trung vào việc tạo ra sản phẩm thay vì xây dựng các công nghệ cơ sở.

Hãy xem thêm bài viết này để biết các ví dụ về việc tại sao các công ty công nghệ và startup lại lựa chọn Speech API của Google để đáp ứng nhiều nhu cầu sử dụng, từ thu thập thông tin chi tiết về khách hàng cho đến xây dựng khả năng đồng cảm cho robot. 

2. Sử dụng các dịch vụ được quản lý để mở rộng quy mô phát triển ML và đẩy nhanh việc triển khai các mô hình vào sản xuất

Tuy các mô hình được đào tạo trước cực kỳ hữu ích, trong một số trường hợp, các tổ chức vẫn cần tạo ra các mô hình tuỳ chỉnh để thu thập thông tin chi tiết từ dữ liệu của chính họ hoặc đáp ứng các trường hợp sử dụng mới trên dữ liệu công khai. Bất kể họ đang xây dựng các sản phẩm theo hướng dữ liệu hay tạo ra các mô hình dự báo dữ liệu từ khách hàng, các công ty cần có cách đẩy nhanh việc xây dựng và triển khai các mô hình vào môi trường sản xuất của họ.

Các nhà khoa học dữ liệu thường bắt đầu dự án ML mới trên một máy tính và thử nghiệm với các dữ liệu được lưu trữ cục bộ. Việc chuyển những nỗ lực này vào môi trường sản xuất đòi hỏi thêm các công cụ và nguồn lực, bao gồm cả việc quản lý cơ sở hạ tầng phức tạp hơn. Đây là một trong những lý do khiến nhiều tổ chức phải vất vả đưa các mô hình vào sản xuất, tốn kém thời gian và nguồn lực mà không nhận được khoản thu nào.

Các nền tảng đám mây được quản lý có thể giúp các tổ chức chuyển đổi từ các dự án thành các thử nghiệm tự động trên quy mô lớn, hoặc triển khai và đào tạo lại các mô hình sản xuất. Các nền tảng mạnh mẽ cung cấp các framework linh hoạt, ít mã nguồn hơn để đào tạo mô hình, môi trường hợp nhất giữa các công cụ và bộ dữ liệu, cũng như các đường ống triển khai và quản lý cơ sở hạ tầng thân thiện với người dùng.

Google Cloud nhận thấy những khách hàng có các nhu cầu này đón nhận Vertex AI – nền tảng thúc đẩy ML của Google Cloud – với số lượng ngày càng tăng lên kể từ khi Vertex AI ra mắt vào năm 2021 vừa qua. Với việc tăng tốc thời gian sản xuất lên đến 80% so với các phương pháp khác, Vertex AI mang đến khả năng ML Ops đầu cuối tiên tiến để các nhà khoa học dữ liệu, kỹ sư ML và nhà phát triển có thể đóng góp vào việc tăng tốc ML, bao gồm các tính năng low-code như AutoML, giúp bạn có thể đào tạo các mô hình hiệu suất cao ngay cả khi không có chuyên môn sâu về ML. 

Trong nửa đầu năm 2022, các thử nghiệm hiệu suất của Google Cloud cho thấy số lượng khách hàng sử dụng AI Workbench đã tăng gấp 25 lần. Thật thú vị khi thấy tác động và giá trị mà khách hàng đang đạt được với Vertex AI Workbend, bao gồm cả kết quả giúp các công ty tăng tốc công việc đào tạo mô hình lớn lên 10 lần và giúp các nhóm khoa học dữ liệu cải thiện độ chính xác của mô hình từ 70-80% lên 98%.

Nếu bạn chỉ mới bắt đầu với Vertex AI, hãy xem loạt video này để tìm hiểu cách đưa mô hình từ bản mẫu (prototype) đến môi trường sản xuất.

3. Khai thác đám mây phù hợp với phần cứng cho các trường hợp sử dụng, đồng thời giảm thiểu chi phí

Cơ sở hạ tầng ML thường tốn kém và tuỳ vào trường hợp sử dụng, các yêu cầu phần cứng cụ thể và tích hợp phần mềm có thể khiến các dự án trở nên phức tạp về quy mô. Để giải quyết vấn đề này, nhiều công ty công nghệ và startup tìm đến các dịch vụ đám mây cho nhu cầu tính toán và lưu trữ, họ bị thu hút bởi khả năng chi trả riêng cho các tài nguyên thực sự sử dụng trong khi mở rộng quy mô theo nhu cầu kinh doanh. 

Khách hàng của Google Cloud chia sẻ rằng họ cần khả năng tối ưu hoá xung quanh nhiều phương pháp tiếp cận cơ sở hạ tầng cho khối lượng công việc ML đa dạng. Một số sử dụng các CPU để dựng bản mẫu một cách linh hoạt, những người khác tận dụng NVIDIA GPU của Google Cloud cho các dự án hướng hình ảnh và các mô hình lớn hơn, đặc biệt là những dự án cần triển khai TensorFlow tuỳ chỉnh được thực thi một phần trên CPI. Bên cạnh đó, một số tổ chức lựa chọn thực thi các ứng dụng Google trên cùng các bộ xử lý ML tuỳ chỉnh – TPU (Tensor Processing Units), và nhiều tổ chức khác kết hợp các cách trên lại cùng nhau.

Ngoài việc sử dụng phần cứng phù hợp với các trường hợp sử dụng và hưởng lợi từ quy mô và sự đơn giản của một dịch vụ được quản lý, các công ty công nghệ và startup nên khám phá thêm các tính năng giúp hình giúp họ kiểm soát chi phí nhiều hơn nữa. Ví dụ, các tính năng của Google Cloud như chia sẻ thời gian và khả năng multi-instance cho GPU, hay Vertex AI Training Reduction Server đều được xây dựng để tối ưu hoá chi phí và việc sử dụng CPU.

Vertex AI Workbench cũng tích hợp với NVIDIA NGC để triển khai các framework, software development và Jupyter Notebooks chỉ với một cú nhấp chuột – một tính năng khác, giống như Reduction Server, hỗ trợ các tổ chức làm cho AI hiệu quả và ít tốn kém hơn thông qua các dịch vụ được quản lý.

4. Triển khai AI

Bên cạnh việc sử dụng các API được huấn luyện sẵn và mô hình ML để phát triển và cung cấp sản phẩm, các công ty khởi nghiệp và startup có thể tận dụng các giải pháp AI được xây dựng cho các nhu cầu hoạt động và kinh doanh cụ thể, chẳng hạn như xử lý hợp đồng hoặc dịch vụ khách hàng để cải thiện hiệu quả hoạt động, đặc biệt là khi mở rộng quy mô.

Ví dụ, các sản phẩm DocumentAI của Google Cloud áp dụng ML vào văn bản cho nhiều trường hợp sử dụng, từ quản lý vòng đời hợp đồng đến xử lý thế chấp. Đối với các doanh nghiệp có nhu cầu hỗ trợ khách hàng ngày càng tăng, một dịch vụ khác là Contact Center AI có thể giúp tổ chức xây dựng các tác nhân ảo thông minh, tạo điều kiện phân phối một cách phù hợp giữa tác nhân ảo và nhân viên, đồng thời ghi nhận những thông tin chi tiết từ các tương tác của trung tâm cuộc gọi. Bằng cách tận dụng AI để quản lý các quy trình hoạt động, các tổ chức có thể phân bổ nhiều nguồn lực hơn cho sự đổi mới và tăng trưởng.

Bước tiếp theo hướng tới một tương lai thông minh

Các mẹo trong bài đăng này có thể giúp bất kỳ công ty công nghệ và startup nào tiết kiệm chi phí và nâng cao hiệu quả hoạt động với AI và ML. Hãy tìm hiểu thêm về các hướng dẫn để bắt đầu nhanh chóng với Vertex AIBigQuery ML, đồng thời truy cập trang Startups của Google Cloud để cập nhật những thông tin mới nhất dành cho các công ty công nghệ và công ty khởi nghiệp.

Theo Google Cloud