人工智能时代的产业决胜因素究竟是什么？

智能时代产业决胜因素究竟是什么？如果在昨天，这个问题对于绝大多数人还是：人才！但是今天早上谷歌发布了自动机器学习云（Cloud AutoML）。这朵云赋予了不懂机器学习的人训练机器的能力！那，专家还重要吗？如果专家不重要，那真正的决胜因素究竟是什么？

1、谷歌的一块新的里程碑：普通人的机器学习！

谷歌现在的卖萌水平在提升。昨天人工智能的顶级专家李飞飞和Jeff Dean在推特上就预告了“谷歌将有重要的里程碑时间的发布”。这让人不由想起2017年9月28日NASA宣布“火星发现液态水”前夜卖的关子。还好和NASA一样，谷歌这只鞋子没有悬多久就落地了。

谷歌今天发布了Cloud AutoML。ML是Machine Learning的缩写。我们姑且翻译成谷歌自动机器学习云。

2、谷歌自动机器学习云用来下什么“雨”？

谷歌的自动学习云下的雨会泽被万众。对于这朵云一般的解释：这是一个让不懂机器学习的人也能训练定制化机器学习模型的开发利器。

从已经放出Alpha测试版的Cloud AutoML Vision我们可以看出，整个自动机器学习云包括“训练-部署-服务”3个阶段。在训练阶段，谷歌提供了通用的机器学习模型，使用者只要将自己的标签数据上传到云进行有监督的机器学习就能够获得一个训练好的模型。“空白”的模型由谷歌提供。训练过程只要进行鼠标拖拽就可以完成。训练的过程很快。现在这朵云还只是针对计算机视觉（人脸识别就属于这个领域）模型训练，但是在不久的将来会包括语音识别、自然语言翻译等标准的机器学习模型。

上面的语言还是比较技术化，我们用地球语言说就是：谷歌给每个人生了一个机器小孩，而且还提供了学校的场地！但是，培养孩子还是需要你自己来做。不过培养的过程很简单。你把你生活的经历都告诉老师，老师会用你的生活经历来教育这个孩子。这个孩子虽然是在谷歌老师的教导下慢慢形成了自己的三观，但是他是用你的生活经历塑造的，所以他是你的孩子！

那个孩子就是模型，你的生活经历就是上传的数据，培养过程就是机器学习。

3、普通人可能没觉得有多兴奋，专家们背后有点凉

读过我们文章（002 AI微认知花掉最有价值的5分钟：只要你看过快乐大本营，就能明白神经网络）的读者基本上了解了神经网络的基本训练过程，但是可能还是不明白这个人工神经网络究竟能做什么，还是觉得这个应该是人工智能专家做的科研工作。

作为人工智能的专家的感觉可不一样。我估计是压力与兴奋并存的状态。压力的来源是谷歌自动机器学习云的发布，代表了机器学习的门槛降低了。这就像满大街都是汽车的时代，普通人越来越不关心发动机设计原理。那么发动机设计专家就逐步从聚光灯下淡出。兴奋的来源是自己专注的领域比汽车、飞机的领域进化的快这么多，以至于不需要几代人努力才会进入普通人的生活空间！对比航空的发展：1902年莱特兄弟试飞成功之前，100年英国的乔治凯利爵士就写下了空气动力学理论著作。人工智能的专家这么快就有望看到人工智能的普及，是多么幸运！

4、通用机器学习“悖论”

谷歌的人工智能成果，大名鼎鼎alphaGo为什么作为一个下围棋的机器人能产生这么大的影响？其实背后有一个深刻的原因：通用模型。

通用模型的意思是：人工智能的结果，不仅仅适用于下围棋，还可以用在玩游戏，读文章等等领域。这意味着一旦alphaGo下围棋比人还聪明，他在其他领域也会比顶尖的人才做得还出色。

我们从这点可以看到，通用机器学习带来一个悖论。因为算法模型是通用的，那也就是说，模型达到一定水平后，大家在算法层次就没有什么区别了。也就是说，算法、模型、算法专家就不那么重要了。算法模型的重要就是它会让自己变得不重要。

那什么会成为重要的区分高低水平的关键因素呢？

5、决胜的关键：数据

谷歌创造了超越人类顶尖高手的围棋机器人：AlphaGo，谷歌还拥有世界最顶尖的人工智能专家：李飞飞，谷歌还发明了人工智能的最佳计算芯片：TPU，但是谷歌并没有统治人工智能。反而，人工智能更开放了。这一方面得感谢谷歌的视野，另一方面我们需要看到，真正决定人工智能时代成败的关键不是这些因素。

决定智能时代成败的是“数据”。

这个道理简单的来讲，就是发明了纸、印刷机并不能垄断文化。真正有价值的还是存在每个人脑子中的观念、幻想、感触、经历，是这些而不是纸张产生了文化。

数据驱动智能而不是算法驱动智能。

如果你觉得这篇文章有价值，请转发本文章到朋友圈，大家一起学习互动也会获得更好的迭代效果。

最后留给大家一个思考题：是不是随便什么数据都有价值呢？欢迎大家在留言区留言。