谷歌的兩位AI明星女科學(xué)家——李飛飛和李佳上周聯(lián)合宣布，谷歌正式推出Cloud AutoML，通過在網(wǎng)頁上選定你的需求（比如“我要一個能夠識別客廳的AI模型”）、再上傳少量素材（比如“100張客廳的照片”），系統(tǒng)就可以自動生成這個AI模型！

這是自從李飛飛和李佳加入谷歌后一個里程碑式的大招，據(jù)兩人介紹，目前CloudAI團(tuán)隊推出了10多個AI產(chǎn)品，超過1萬家公司在使用。

這也就意味著，原先需要眾多AI工程師、AI科學(xué)家才能搭建好的深度神經(jīng)網(wǎng)絡(luò)模型，現(xiàn)在每個人都能夠在自己的電腦上通過鼠標(biāo)點(diǎn)擊、拖拽圖片等行為自動生成，一行代碼都不需要編寫，最快只需要幾分鐘就能自己造一個AI模型出來——是不是很黑科技？

谷歌在2017年就發(fā)布了Cloud Machine Learning Engine來幫助開發(fā)者處理各種大小以及類型的文件，那些有機(jī)器學(xué)習(xí)基礎(chǔ)的開發(fā)團(tuán)隊借助它以及API接口可以實(shí)現(xiàn)處理圖片、語言、視頻、翻譯等各種各樣的功能。現(xiàn)在已經(jīng)有許多公司已經(jīng)在使用谷歌的云端機(jī)器學(xué)習(xí)引擎了，但是還有更多的東西可以帶給大家，那就是Cloud AutoML。

谷歌去年5月發(fā)布AutoML，當(dāng)時谷歌CEO皮查伊說，現(xiàn)在設(shè)計神經(jīng)網(wǎng)絡(luò)非常耗時，對專業(yè)能力要求又高，只有一小撮科學(xué)家和工程師能做。為此，谷歌創(chuàng)造了一種新方法：AutoML，讓神經(jīng)網(wǎng)絡(luò)去設(shè)計神經(jīng)網(wǎng)絡(luò)，現(xiàn)在谷歌又把這個技能放到云上了。

而如果一家公司想要用此打一個完整的商用模型，也只需要一天的時間。

▲AutoML界面

雖然現(xiàn)在開放出來的只有Cloud AutoML Vision功能，能夠定制化生成用于特定圖像識別的AI模型。但是李佳和李飛飛都表示未來Cloud AutoML的覆蓋范圍將會更廣，囊括圖像、語音、NLP等方面。

從技術(shù)層面來看，谷歌通過遷移學(xué)習(xí)（Transfer Learning）將已訓(xùn)練完成的模型，轉(zhuǎn)移到新的模型訓(xùn)練過程。這樣，能夠用較少量數(shù)據(jù)訓(xùn)練出機(jī)器學(xué)習(xí)模型。對于醫(yī)療領(lǐng)域而言，這點(diǎn)尤為重要，因為在為罕見疾病和一些特殊案例建模時，往往無法取得足夠的訓(xùn)練數(shù)據(jù)。此外，谷歌還通過learning2learn功能自動挑選適合的模型，搭配超參數(shù)調(diào)整技術(shù)（Hyperparameter tuning technologies）自動調(diào)整參數(shù)。

AutoML由控制器（Controller）和子網(wǎng)絡(luò)（Child）2個神經(jīng)網(wǎng)絡(luò)組成，控制器生成子模型架構(gòu)，子模型架構(gòu)執(zhí)行特定的任務(wù)訓(xùn)練并評估模型的優(yōu)劣反饋給控制器，控制器將會將此結(jié)果作為下一個循環(huán)修改的參考。重復(fù)執(zhí)行數(shù)千次“設(shè)計新架構(gòu)、評估、回饋、學(xué)習(xí)”的循環(huán)后，控制器能設(shè)計出最準(zhǔn)確的模型架構(gòu)。

在這一過程中，搭建訓(xùn)練模型、調(diào)參等種種老大難題都能被自動解決，這也將Google Cloud這一新服務(wù)與微軟Azure ML的機(jī)器學(xué)習(xí)平臺區(qū)分開。

解決了機(jī)器學(xué)習(xí)的技術(shù)門檻后，只要有開發(fā)能力，就算不懂機(jī)器學(xué)習(xí)知識，也能通過AutoML打造出一套企業(yè)級的機(jī)器學(xué)習(xí)應(yīng)用或AI應(yīng)用。

眾所周知，機(jī)器學(xué)習(xí)專家的稀缺和水漲船高的薪資意味著大多數(shù)企業(yè)無法聘用自己的數(shù)據(jù)科學(xué)家，如果此項服務(wù)能夠成熟落地，谷歌將無疑在眾多云服務(wù)之爭中開辟一大片新市場。

谷歌云AI研發(fā)負(fù)責(zé)人李佳（左）和首席科學(xué)家李飛飛

該產(chǎn)品發(fā)布之后，Google Cloud 人工智能和機(jī)器學(xué)習(xí)首席科學(xué)家李飛飛連發(fā)兩條推特，“在幾個月的時間里就將最前沿的技術(shù)轉(zhuǎn)化為大范圍普及的產(chǎn)品，這是一段難忘且振奮人心的過程，我們希望 AutoML Vision 可以為我們的客戶解決問題。”

圖丨李飛飛連發(fā)兩條推特

除此以外李飛飛和李佳還在博客上發(fā)布親筆文章，詳細(xì)介紹了她們開發(fā) Cloud AutoML 的初衷和遠(yuǎn)景，以下為文章全文：

當(dāng)我們兩年前加入 Google Cloud 的時候，我們就承接過來了讓 AI“民主化”的重?fù)?dān)。那其中最首要的目標(biāo)就是降低人工智能領(lǐng)域的進(jìn)入門檻，將 AI 技術(shù)提供給盡可能多的開發(fā)者、研究員和公司。

我們 Google Cloud AI 團(tuán)隊在實(shí)現(xiàn)這一目標(biāo)的道路上一直在穩(wěn)步推進(jìn)。2017 年，我們推出了 Google Cloud Machine Learning Engine，幫助具備機(jī)器學(xué)習(xí)專業(yè)知識的開發(fā)人員輕而易舉地創(chuàng)建適用于所有規(guī)模、所有數(shù)據(jù)的 ML 模型。我們展示了如何在預(yù)先訓(xùn)練模型之上創(chuàng)建當(dāng)前所需要的機(jī)器學(xué)習(xí)服務(wù)，比如視覺、語音、NLP、翻譯和 Dialogflow 等 API，毫無疑問，這將極大地提升業(yè)務(wù)應(yīng)用規(guī)模和速度。此外，我們的數(shù)據(jù)科學(xué)家和 ML 研究人員的社區(qū) Kaggle 已經(jīng)發(fā)展到超過一百萬個成員。如今，已有超過 10,000 家企業(yè)使用 Google Cloud AI 的服務(wù)，其中不乏像 Box、Rolls Royce Marine、Kewpie 和 Ocado 等公司。

但是，這還遠(yuǎn)遠(yuǎn)不夠，我們還有更多的事情可以做。我們注意到，目前世界上只有少數(shù)企業(yè)能夠拿出足夠的人力資源和經(jīng)費(fèi)預(yù)算來拓展在 ML 和 AI 領(lǐng)域的研究，但現(xiàn)實(shí)是能夠創(chuàng)建高級機(jī)器學(xué)習(xí)模型的人數(shù)十分有限。而自定義 ML 模型的創(chuàng)建也是一個復(fù)雜的過程，那些擁有機(jī)器學(xué)習(xí)工程師的公司也仍然需要花費(fèi)時間去管理。雖然谷歌通過 API 提供了能夠執(zhí)行特定任務(wù)的預(yù)訓(xùn)練機(jī)器學(xué)習(xí)模型，但是如果我們想要將 AI 帶給每個人，則還有很長的路要走。

為了縮小這之間的差距，讓每個企業(yè)都能乘上人工智能的順風(fēng)車，我們推出了 Cloud AutoML。Cloud AutoML 使用諸如 learning2learn 和谷歌遷移學(xué)習(xí)等先進(jìn)技術(shù)，來幫助在機(jī)器學(xué)習(xí)領(lǐng)域涉獵不深的企業(yè)構(gòu)建自己的高品質(zhì)自定義機(jī)器學(xué)習(xí)模型。我們相信，Cloud AutoML 將使人工智能專家更高效率地工作，在 AI 中拓展新的領(lǐng)域，并幫助技術(shù)嫻熟的工程師構(gòu)建他們以前夢寐以求卻難以達(dá)成的強(qiáng)大 AI 系統(tǒng)。

當(dāng)然，我們的第一個 Cloud AutoML 版本將是 Cloud AutoML Vision，這一服務(wù)可以實(shí)現(xiàn)更快、更輕松地創(chuàng)建用于圖像識別的自定義機(jī)器學(xué)習(xí)模型。其拖拽式的操作界面可以讓你輕松地上傳圖像、訓(xùn)練并管理模型，然后直接在 Google Cloud 上部署這些已經(jīng)訓(xùn)練成熟的模型。通過流行的公共數(shù)據(jù)集（比如 ImageNet 和 CIFAR）進(jìn)行分類的早期結(jié)果顯示，使用 Cloud AutoML Vision 比更通用的 ML API 分類錯誤更少，結(jié)果也更準(zhǔn)確。

以下是官方提供的有關(guān) Cloud AutoML Vision 更多的信息：

更高的準(zhǔn)確性：Cloud AutoML Vision 是基于谷歌領(lǐng)先的圖像識別方法，例如遷移學(xué)習(xí)和神經(jīng)架構(gòu)搜索技術(shù)。這意味著即使你的公司在機(jī)器學(xué)習(xí)領(lǐng)域沒有深耕，也可以得到更準(zhǔn)確的模型。

加快生產(chǎn)就緒（Production-ready）模式的周轉(zhuǎn)時間：使用 Cloud AutoML，您可以在幾分鐘內(nèi)創(chuàng)建一個簡單的模型，并以此來試用您的 AI 應(yīng)用程序，或者在一天之內(nèi)構(gòu)建完整的生產(chǎn)就緒模型。

易于使用：AutoML Vision 提供了一個簡單易用的用戶操作界面，你可以很方便地指定數(shù)據(jù)，然后將數(shù)據(jù)轉(zhuǎn)換為針對您的特定需求定制的高質(zhì)量模型。

URBN 的數(shù)據(jù)科學(xué)家 Alan Rosenwinkel?表示：“Urban Outfitters 一直在探索新的方法來提升我們客戶的購物體驗?！蹦敲?，創(chuàng)建并維護(hù)全面的產(chǎn)品屬性對于為客戶提供相關(guān)的產(chǎn)品推薦、精準(zhǔn)的搜索結(jié)果和行之有效的的產(chǎn)品過濾器是至關(guān)重要的；然而，手動標(biāo)注產(chǎn)品屬性是一項曠日費(fèi)時的工作。為了解決這個問題，我們團(tuán)隊一直在評估是否可以以 Cloud AutoML 作為突破口，通過細(xì)微的產(chǎn)品特征來將產(chǎn)品歸因過程自動化。有鑒于此，Cloud AutoML 非常有利于幫助我們的客戶提供更好的發(fā)現(xiàn)、推薦和搜索體驗?！?/p>

迪士尼消費(fèi)品和互動媒體首席技術(shù)官兼高級副總裁 Mike White?說：“我們正在用 Cloud AutoML 技術(shù)來建立視覺模型，用迪斯尼卡通中的人物、類別和顏色等信息來標(biāo)注我們的產(chǎn)品。這些注解正在被整合到我們的搜索引擎中，通過更多的相關(guān)搜索結(jié)果，用以加快發(fā)現(xiàn)和推薦 Disney 商店的產(chǎn)品，從而增強(qiáng)訪客的體驗。”

倫敦動物學(xué)會技術(shù)主任 Sophie Maxwell?告訴我們：“我們是一個致力于保護(hù)動物及其棲息地的國際組織，而如果要更好地履行這一使命，其中的關(guān)鍵要求是追蹤野生動物種群以更好的了解它們的分布信息及人類對這些物種的影響。”為了實(shí)現(xiàn)這個目的，我們在野外部署了一系列相機(jī)。然后這些設(shè)備捕獲的數(shù)據(jù)將由人工進(jìn)行分析，并標(biāo)記出他們究竟是大象、獅子還是長頸鹿，很顯然，這是一個勞動密集型的操作過程。因此，我們的技術(shù)部門一直與 Google Cloud ML 團(tuán)隊保持密切的合作，有了 Cloud AutoML 這一激動人心的技術(shù)，我們可以更便捷地實(shí)現(xiàn)圖像標(biāo)記的自動化，借以更深入的了解并保護(hù)世界范圍內(nèi)的野生動物。”

AutoML Vision 是我們與 Google Brain 和其他 Google AI 團(tuán)隊密切合作的結(jié)果，也是尚在開發(fā)中的 Cloud AutoML 產(chǎn)品其中的首個。雖然我們還沒有徹底將人工智能的進(jìn)入門檻消滅，但我們已經(jīng)受到了 Cloud AI 產(chǎn)品 10,000 多個客戶的深刻啟發(fā)。我們衷心地希望 Cloud AutoML 的發(fā)布將有幫助更多的企業(yè)借助 AI 的力量打開更廣闊的未來。

如果您有興趣試用 AutoML Vision，可以提交此表單https://services.google.com/fb/forms/cloudautomlalphaprogram/

目前谷歌還沒有公布Cloud AutoML的服務(wù)價格，開發(fā)者還需要等待。

值得一提的是，繼北京和上海辦公室之后，Google 悄悄在深圳開設(shè)了第三個辦公室，凸顯了公司的硬件和廣告業(yè)務(wù)的增長。新辦公室的人數(shù)預(yù)計將會與北京上?？待R，將會達(dá)到 300 人左右規(guī)模。