Google 发布 Cloud AutoML 降低机器学习门槛，调参民工前景堪忧

本周三，Google 发布了最新的 Cloud AutoML 技术，该技术能使企业开发者们通过 Google Cloud 平台自动创建机器学习模型。谷歌首先将发布 AutoML Vision，即用于建立机器视觉模型的工具，随后将陆续推出用于机器翻译和自然语言处理等的工具。

Cloud AutoML 将是开发者的利器，即便你不懂机器学习，也能训练出一个定制化的机器学习模型。具体来说，开发者只需要上传一组图片，然后导入标签或者通过 App 创建，随后 Cloud AutoML 就会自动生成一个定制化的机器学习模型，大大降低了开发者的上手门槛。

Cloud AutoML 简介

以下是 Google Cloud AI 首席科学家李飞飞和 R&D 负责人李佳对 Cloud AutoML 的介绍：

两年前，当我们加入 Google Cloud 的时候，我们就开始了AI民主化的使命。我们致力于降低每个人进入AI的门槛，并将AI尽可能多地提供给开发者、研究人员和企业社区。

为实现这一目标，我们的 Google Cloud AI 团队一直在稳步前进，并取得良好的进展。

2017 年，我们推出了 Google Cloud Machine Learning Engine，它可以帮助那些具有机器学习专业知识的开发人员，轻松构建适用于任何类型数据的ML模型。我们展示了现代机器学习服务（如计算机视觉，语音，自然语言处理，翻译和对话流等多种API）是如何建立在预先训练好的模型之上，并为实际业务和应用需求带来无与伦比的规模和运行速度。

Google Cloud 旗下的 Kaggle 竞赛，是专为数据科学家和ML研究人员建立的社区，目前已经有超过一百万的成员。而今天，已有超过 10,000 家企业使用 Google Cloud AI 所提供的服务，其中包括 Box、Rolls Royce Marine、Kewpie 和 Ocado 等公司。

但是，要实现我们的目标，还有很长的一段路要走。目前在全世界范围内，只有少数企业能够拥有充分了解和开展ML和AI技术所需的人才和预算。然而，目前能够创建高级机器学习模型的人数非常有限。

此外，就算你的公司已经拥有 ML/AI 工程师，你仍然需要花费大量的时间来搭建自己的定制化 ML 模型，这是一个非常复杂的过程。虽然，针对特定的任务，Google 可以通过各种特定的 API 向第三方提供已经预训练好的的机器学习模型。但是如果我们想要将 AI 带给每个人，我们还有很长的路要走。

为了缩小这个差距，让 AI 技术能够普及到每个企业，我们推出了 Cloud AutoML。Cloud AutoML 使用了 Google 的 learn2learn 和转移学习等先进技术，帮助那些只有有限 ML 专业知识的企业开始构建高品质的自定义模型。我们相信 Cloud AutoML 也将使 AI 专家们更加高效地工作，拓展新的AI领域，并帮助那些技术娴熟的工程师构建强大的AI系统，这也是AI研究人员一直以来所追求的目标。

我们推出的第一版 Cloud AutoML 服务是 Cloud AutoML Vision。它可以更快、更轻松地创建自定义 ML 模型，来执行图像识别任务。其拖放式的界面可以让你轻松上传图像，训练和管理模型。然后，你可以直接在 Google Cloud 上部署这些训练有素的模型。如果使用 Cloud AutoML Vision 执行一些公开的数据集（如 ImageNet 和 CIFAR）的图像分类任务，其性能方面会优于那些通用的 ML API，主要表现为：分类的错误更低，分类的结果更准确。

Cloud AutoML Vision 的三大优势：

更高的模型准确性：基于 Google 领先的图像识别方法，包括迁移学习和神经架构搜索技术，Cloud AutoML Vision 能够帮助你建立更高性能的模型。这意味着即使企业的机器学习专业知识有限，你也可以获得更准确、性能更好的模型。

生产就绪模型的周转时间更快：使用 Cloud AutoML，你可以在几分钟内创建一个适用你的AI应用程序的简单模型，或者在一天内构建用于实际需要的完整模型。

更易于使用：AutoML Vision 提供了一个简单的图形用户界面。对于指定任意数据，特定需求， AutoML Vision 能够将数据转换为定制的高质量的ML模型。

服装品牌 Urban Outfitters 曾使用 Cloud AutoML 识别服装的花纹、领口样式等细微产品特征，并用其自动归类了产品特点。

Urban Outfitters 的数据科学家 Alan Rosenwinkel 说：“我们一直试图向客户提供精准的商品推荐、筛选和搜索服务。这时，创建并维护一套完整的产品属性就显得非常重要。但是，手动创建产品属性非常费时费力。我们使用了 Cloud AutoML，它有效地帮助我们提高了商品推荐准确度和用户搜索体验。

迪士尼消费产品和互动媒体 CTO 及高级副总裁 Mike White 说：“Cloud AutoML 的技术正在帮助我们创建计算机视觉模型。这些模型可以用迪士尼卡通形象、产品类别和颜色给产品进行标注。当这些标注被整合到我们的搜索引擎中时，我们的系统便能以更快地速度提供更相关的搜索结果和产品推荐，加强用户体验。”

致力于全球动物和动物栖息地保护的伦敦动物学会（ZSL）也正在和 Google Cloud ML 团队合作，为相关物种进行标注。

Google Cloud ML 团队为致力于全球动物和动物栖息地保护的伦敦动物学会（ZSL）开发了一套自动为动物图片进行标注的系统。

其技术负责人 Sophie Maxwell 说：“为了保护濒危动物，我们在野外安置了一系列自动照相机，用来拍摄行进中的动物。原本这些设备拍下的数据需要大量的人力进行分析和标注，比如这个是大象、那个是狮子、那个是长颈鹿。现在，Google 的自动化标注系统帮助我们节省开支，同时，我们也加大自动化相机的部署规模，拍摄更多的照片，并对如何有效保护世界野生动物有了更深入的了解。

微软早有类似服务

Cloud AutoML 的发布引发了很大的反响，不过也有很多业内人士表示，实际上微软在去年的 Build 大会上就推出了类似的云端服务——Custom Vision：不用写代码，不用调参数，会拖控件就能帮你训练深度学习模型，它可以让你用最少时间和精力来快速创建一个极其复杂的计算机视觉应用程序。

微软高级项目经理 Cornelia Carapcea 表示，在 Custom Vision 的帮助下，用户只需一个训练数据的样本（几十张图片）就可以创建自己的自定义视觉API模型，因为 Custom Vision 会自动完成剩余的创建工作，而这一过程只需短短几分钟的时间。

模型一旦创建完成，用户就可以通过托管在微软服务器上的 REST API 来访问它。Carapcea说，它可以用于识别食物和地标，甚至在零售环境中使用。

此外，生成的模型还能自动改进。Custom Vision会选择对改进模型结果最有益的图像，同时允许用户手动标注图像，这样就能够持续提高模型整体的准确性和可靠性。

可以发现，不论是 Google 还是微软，都在通过各种方式降低 AI 的门槛，促进 AI 的民主化。不过，类似 Cloud AutoML 和 Custom Vison 等工具的推出，也引起很多 AI 开发者的不安，未来那些低端的“调参师”会被自动化所取代吗？欢迎大家在评论区发表自己的看法。