谷歌李飞飞，李佳推出Cloud AutoML，或可替代AI工程师？

全文约1200字，阅读时间预计2分钟。

1月18日，谷歌正式推出Cloud AutoML。该模型由华裔科学家李飞飞和李佳主导开发。李佳在朋友圈中分享了自己的喜悦：

现在开放出来的只有Cloud AutoML Vision功能，能够定制化生成用于特定图像识别的AI模型。比如，你想让AutoML识别一张图是不是花园，只需要输进100张花园让它自己学习就可以了。而李飞飞和李佳都表示未来Cloud AutoML的覆盖范围将会更广，囊括图像、语音、NLP等方面。

目前，谷歌还没有公布Cloud AutoML的服务价格，也暂时没有对外开放。想要试用这个服务，需要向谷歌发出申请。

谷歌采用的是增强学习和迁移学习技能。过去，谷歌已经用深度学习训练了很多图像识别，机器翻译的模型。通过迁移学习，可以将已经训练完成的模型转移到新的模型上。因此即使用户上传较少的资料，AutoML也能通过增强学习训练出机器学习模型。

在增强学习中，用户不告诉机器参数应该怎么设定，而是等它随机调整了一个参数后，如果结果是好的，给它奖励，如果结果是不好的，给它惩罚，但是不告诉它哪一步做错了。久而久之机器会自己摸索出一套最佳方案来。系统会运行数千个模拟来确定代码的哪些方面可以作出改进，以及在改变后继续该过程、直到达成目标。

那么，AutoML制作出来的模型和AI工程师做出来的模型有什么差异呢？

谷歌方面提出了AutoML的三大优势——

1.准确率提高：Cloud AutoMLVision的基础是Google领先的图像识别方法，包括迁移学习和神经结构搜索技术（neural architecture search technology）。这意味着即使企业的机器学习专业知识有限，也可以获得更准确的模型。

2.生产就绪模型的周转时间更快：使用CloudAutoML，用户可以在几分钟内创建一个简单的模型，来试用AI应用程序，或者在一天内构建完整的生产就绪模型。

3.容易使用：AutoML Vision提供了一个简单的图形用户界面，可让用户指定数据，然后将这些数据转换为针对特定需求而定制的高质量模型。

不过，也有工程师评论说AutoML的灵活性不如自己设计出来的模型。确实，如果要求更复杂的算法还得工程师调试。

AutoML的开发意味着什么呢？有什么影响呢？AutoMLvision不仅仅是一个图像识别模型系统，还意味着一场AI“民主化”的革命。Cloud AutoML降低了深度学习的门槛，让拥有资源的大公司不再处于垄断地位，小公司或者个人即便没有拥有格外优秀的AI技术人才，也能享受AI带来的技术便利。AI工程师们评论表示“刚入门，就被革了命”。Cloud AutoML的推出，在推动AI民主化的同时，也给AI工程师们以鞭策。

虽然谷歌表示AutoML是市场上唯一的同类系统。但市面上也逐渐出现类似的服务，比如Clarif.ai（一家人工智能初创，曾今入选CB Insights 2017全球AI企业100强），而且微软的内部也在定制相关的系统。AI“民主化”是大势所趋。

-End-