知識星球
這真是大事！
谷歌放大招了！
近日李飛飛和Jeff Dean就在推特上激動人心預告，說谷歌將有重要的里程碑事件釋出。現在謎底揭曉了：谷歌今天釋出了Cloud AutoML。
這是個什麼東西？
通俗點說，Cloud AutoML是個開發利器，即便你不懂機器學習，也能訓練出一個定製化的機器學習模型。由於還在Alpha測試版的階段，目前這個服務僅支援計算機視覺模型，但谷歌表示稍後會支援所有標準機器學習模型，包括語音、翻譯、影片、自然語言處理等。
目前已經可用的服務是Cloud AutoML Vision。
谷歌Cloud AutoML系統基於監督學習，所以需要提供一系列帶有標簽的資料。具體來說，開發者只需要上傳一組圖片，然後匯入標簽或者透過App建立，隨後谷歌的系統就會自動生成一個定製化的機器學習模型。
據說，模型會在一天之內訓練完成。
整個過程，從匯入資料到打標簽到訓練模型，所有的操作都是透過拖拽完成。在這個模型生成以及訓練的過程中，不需要任何人為的幹預。
這有段影片介紹。
過去幾個月裡，有幾家公司一直在測試Cloud AutoML。其中就包括迪士尼。這套系統讓迪士尼線上商城的搜尋功能更加強大。
所以，照這個勢頭髮展下去，也許企業以後可能就不用僱傭機器學習和資料專家了。
Cloud AutoML，顧名思義就是雲上的AutoML。谷歌去年5月釋出AutoML，當時谷歌CEO劈柴哥說，現在設計神經網路非常耗時，對專業能力要求又高，只有一小撮科學家和工程師能做。為此，谷歌創造了一種新方法：AutoML，讓神經網路去設計神經網路。
去年11月，谷歌對AutoML進行升級。之前的AutoML雖能設計出與人類設計的神經網路同等水平的小型神經網路，但始終被限制在CIFAR-10和Penn Treebank等小型資料集上。升級之後，AutoML也能應對ImageNet這種規模的資料集了。
總之，這個方法就是讓AI設計AI。現在谷歌又把這個技能放到雲上了。
現在唯一的問題是，谷歌沒有公佈Cloud AutoML的服務價格，而且也暫時沒有對外開放。想要試用這個服務，需要向谷歌發出申請。
這個申請，大概要回答十幾項的提問。
為了Cloud AutoML的釋出，谷歌雲人工智慧和機器學習首席科學家李飛飛，谷歌雲人工智慧研發負責人李佳，聯合釋出了一篇部落格，詳細介紹了Cloud AutoML。
量子位將這篇部落格翻譯如下：
我們一年多之前加入Google Cloud，開啟了AI民主化的使命。我們的標的，是降低進入門檻，將AI提供給最廣大的開發者、研究人員和企業群體。
向著這個標的，我們的Google Cloud AI團隊進展順利。2017年，我們推出了Google Cloud Machine Learning Engine（機器學習引擎），幫助有機器學習專業知識的開發者輕鬆構建適用於任何資料型別的機器學習模型。我們展示了能怎樣在預訓練模型之上構建現代機器學習服務，也就是視覺、語音、自然語言處理（NLP）、翻譯、Dialogflow等API，為商業應用帶來無與倫比的規模和速度。我們的資料科學家和ML研究人員社群Kaggle已經發展到百萬人規模。現在，使用Google Cloud AI服務的企業數量超過10000，Box、勞斯萊斯船業、玩具公司丘比、和網上超市奧卡多都在用。
但我們能做的遠不止於此。目前，世界上只有少數企業能獲取足夠的人才和預算來享受ML和AI發展帶來的益處，能夠建立先進機器學習模型的人才非常有限。就算你們公司有ML或者AI工程師，要自己構建定製化的ML模型仍然要經理一個耗時、複雜的過程。雖然Google透過API提供了能完成特定任務的預訓練機器學習模型，但要把AI帶給每個人，還有很長的路要走。
為了縮小差距，讓每家企業都能用上AI，我們推出了Cloud AutoML。
Cloud AutoML透過使用learning2learn、遷移學習等先進技術，幫助ML專業技能有限的企業構建自己的高品質定製化模型。我們相信，Cloud AutoML將幫AI專家提升工作效率，開拓AI新領域，並幫助能力不足的工程師構建他們以前夢寐以求的強大AI系統。
我們釋出的第一個Cloud AutoML功能是Cloud AutoML Vision，這個服務能讓定製化影象識別ML模型的建立更快、更輕鬆。它有一個拖放式的介面，讓你能輕鬆地上傳影象、訓練並管理模型，然後將訓練好的模型直接部署在Google Cloud上。之前，Google展示過Cloud AutoML Vision模型在ImageNet、CIFAR等熱門資料集上的分類成績，錯誤率比通用的ML API更低。
以下是關於Cloud AutoML Vision的更多資訊：
更高的準確率：Cloud AutoML Vision基於Google的影象識別方法，包括遷移學習、神經架構搜尋技術等，這意味著即使你的企業沒有足夠的機器學習專業技能，也能獲得更準確的模型。
更快：用Cloud AutoML建立一個簡單的機器學習模型來對AI應用做嘗試，只需要幾分鐘，構建一個完整的商用模型，也只需要一天。
易用：AutoML Vision有一個簡單的圖形化使用者介面，你可以制定資料，並將其轉換為專為你的需求定製的高質量模型。
服裝品牌Urban Outfitters的資料科學家Alan Rosenwinkel說：”我們一直在尋找最佳化客戶購物體驗的新方法。要向客戶提供相關產品推薦、準確的搜尋結果和有用的產品篩選器，建立、維護一組全面的產品屬性非常重要。但是，手動建立產品屬性非常費時費力。為瞭解決這個問題，我們的團隊嘗試了用Cloud AutoML透過識別花紋、領口樣式等細微產品特徵，來將產品歸類流程自動化。在幫助我們的客戶更好地發現、推薦和搜尋產品這件事上，Cloud AutoML前景非常光明。“
迪士尼消費產品和互動媒體CTO及高階副總裁Mike White說：“Cloud AutoML的技術能幫我們建立計算機視覺模型，根據迪士尼的角色、產品類別和顏色來標註我們的產品，這些標註可以整合到我們的搜尋引擎中，在shopDisney商店中透過更相關的搜尋結果、更快的發現速度和產品推薦，來加強使用者體驗。”
倫敦動物學會（ZSL）保護技術主管Sophie Maxwell告訴我們：“ZSL是一個國際慈善組織，在全球範圍內為保護動物及其棲息地而努力。要履行這一使命，一個關鍵要求是要追蹤野生動物種群來進一步瞭解他們的分佈，更好地理解人類對這些物種的影響。為了達到這一標的，ZSL在野外設定了一系列相機陷阱，當有熱量或運動出現時，為經過的動物拍照。然後，這些裝置拍下的資料需要人工分析，根據相關的物種進行標註，比如這個是大象、那個是獅子、那個是長頸鹿，這是一個耗資巨大勞動力密集型任務。ZSL的保護技術部門在與Google的Cloud ML團隊密切合作，幫助推進這項激動人心的技術，ZSL想用這項技術來自動分類影象，這樣可以削減成本、擴大部署範圍，幫我們深入瞭解該如何更有效地保護世界上的野生動物。”
如果有興趣試用AutoML Vision，可以在這裡填表申請：https://services.google.com/fb/forms/cloudautomlalphaprogram/
AutoML Vision是我們和Google Brain以及其他Google AI團隊密切合作的成果，也是Cloud AutoML系列產品中的第一個。在降低AI門檻的道路上，我們只是剛剛開始，人工智慧幫Cloud AI產品的10000多名客戶所實現的能力大大激勵了我們，我們希望Cloud AutoML的釋出，能幫更多企業透過AI發現更多可能。
來源：量子位
精彩活動
推薦閱讀
2017年資料視覺化的七大趨勢！
全球100款大資料工具彙總（前50款）
Q: 除了Cloud AutoML，你還期待哪些黑科技工具？
歡迎留言與大家分享
請把這篇文章分享給你的朋友
轉載 / 投稿請聯絡：hzzy@hzbook.com
更多精彩文章，請在公眾號後臺點選“歷史文章”檢視
