谷歌推“人工智能民主化”服务：不会机器学习也能自制AI

           在加入谷歌一年后，1月18日凌晨，谷歌云负责人、首席科学家李飞飞通过自己的推特账号和博客宣布了谷歌云取得的里程碑进展：可自动设计、建立机器学习模型的服务——AutoML Vision。
          “我很荣幸地宣布AutoML Vision面世。这是一款能让每个人都有能力构建机器学习模型，却无需机器学习经验的产品。这是‘人工智能民主化’的重要进展！也是令人振奋的团队合作结果。”李飞飞在自己的推特账号上写道。

          这款面向公众的产品，意味着谷歌正在努力让人工智能成为每个人都会使用且容易上手的工具，也降低企业开发人工智能的门槛。除了在自己的推特上介绍此款新产品外，李飞飞还与谷歌人工智能研发负责人李佳共同撰写了博客，详细介绍了新产品。但谷歌并未透露该服务如何收费。
          AutoML Vision是一款提供自定义图像识别系统自动开发的服务。用户只需要将自己的数据上传，就可以直接在谷歌云上训练和管理模型。也就是说，即使是没有机器学习专业知识的的人，只需了解模型基本概念，就能借这项服务轻松搭建定制化的图像识别模型。
          目前，迪士尼已通过AutoML建立图片分类模型，依据角色、种类和颜色等分类标示产品，并导入搜寻的功能中，让消费者搜寻商品更加方便且准确。另外，美国流行服装零售商Urban Outfitters也通过AutoML来分类商品。除了图像识别，谷歌未来还计划将AutoML服务拓展到翻译、视频和自然语言处理等领域。
          在博客中，两位女科学家认为谷歌这款产品的优势在于以下三点：一是即使用户的机器学习专业知识有限，也可以获得更准确的模型。二是能更快速的建立模型，用户可以在几分钟内或者在一天内构建完整的能用的模型。三是易于使用，用户操作的界面简洁清晰。

          这些优势也在一定程度上解决了当前人工智能在工业界发展的一些瓶颈。首先，从目前的情况看，世界上只有少数企业能够支付得起人工智能以及机器学习的人才招募和研发预算，这意味着企业可以创建的高级机器学习模型非常有限。其次，即便是有能力的公司，也需要大量的精力来管理和构建自定义的机器学习模型和其中复杂的研发过程。

          那么谷歌是如何做到的？AutoML由控制器（Controller）和子网络（Child）2个神经网络组成，控制器生成子模型架构，子模型架构执行特定的任务训练并评估模型的优劣反馈给控制器，控制器将会将此结果作为下一个循环修改的参考。重复执行数千次“设计新架构、评估、回馈、学习”的循环后，控制器能设计出最准确的模型架构。
          2017年3月份，谷歌就推出了机器学习服务Google Cloud Machine Learning Engine，帮助具有机器学习专业知识的开发人员轻松构建适用于任何规模、任何类型数据机器学习模型。不过，那时候的机器学习服务需要使用大量的数据，才能训练出一般的预测模型，难以符合每家企业的需求。这次推出的AutoML则更进一步，直接为企业提供机器学习技术来建立自家的模型，也推动了谷歌“人工智能民主化”的战略目标。
          不过，虽然谷歌称AutoML是市面上唯一提供类似服务的产品，但此前Clarif.ai、微软的认知服务，以及IBM的Watson视觉识别也能让曾提供给用户定制预先训练好的视觉、语音识别和决策模型的服务。