概要：谷歌云機器學習平臺（Google Cloud AI）自從上線以來就以預訓練的、可以直接調(diào)用的高效機器學習模型吸引了許多企業(yè)級用戶在其上構(gòu)建簡單的機器學習應用。

谷歌云機器學習平臺（Google Cloud AI）自從上線以來就以預訓練的、可以直接調(diào)用的高效機器學習模型吸引了許多企業(yè)級用戶在其上構(gòu)建簡單的機器學習應用。然而企業(yè)總是會有自己專屬的需求的，越來越多的企業(yè)會不再滿足于預定義好的功能，而想要設(shè)計和應用更加自定義化的機器學習模型。

這篇博客全文翻譯如下

今天，在谷歌云首席科學家李飛飛和谷歌云研發(fā)負責人李佳合著的這篇谷歌云博客中，她們就正式宣告了谷歌云 AutoML 平臺的面世。在這里，構(gòu)建、訓練和部署自定義的機器學習模型也變得簡單方便，甚至對機器學習不甚了解的企業(yè)也可以構(gòu)建自己的人工智能系統(tǒng)。

在差不多一年多以前我們兩個人共同加入谷歌云的時候，我們都心懷一個使命，那就是讓 AI 平民化。我們的目標是降低 AI 的使用門檻，讓 AI 對盡可能多的開發(fā)者、研究者和商業(yè)用戶來說變得觸手可及。

我們谷歌云 AI 團隊一直在向著這個目標做出進步。在 2017 年，我們發(fā)布了谷歌云機器學習引擎（Google Cloud Machine Learning Engine），幫助具有機器學習知識的開發(fā)者們輕松地構(gòu)建能處理任何種類的、任意大小的數(shù)據(jù)的機器學習模型。我們表明了現(xiàn)代機器學習服務——換句話說就是包括了視覺、語音、NLP、翻譯和對話流的 API 們——可以構(gòu)建在預訓練的基礎(chǔ)模型之上，為商業(yè)應用提供無可比擬的服務規(guī)模和運行速度。我們的數(shù)據(jù)科學家和機器學習研究者社區(qū) Kaggle 也已經(jīng)發(fā)展到了擁有超過一百萬名用戶。而今天，已經(jīng)有包括 Box、勞斯萊斯、Kewpie 和 Ocado 在內(nèi)的超過一萬家企使用著谷歌云的 AI 服務。

不過除此之外我們還能做很多。現(xiàn)在，全世界的企業(yè)中有足夠的知識技能和預算以便能夠充分享受機器學習和人工智能帶來的好處的企業(yè)并不多，能創(chuàng)建出高級機器學習模型的人才也非常有限。而且，即便是一個有機器學習/人工智能工程師的企業(yè)，構(gòu)建自定義機器學習模型的過程仍然非常費時、非常復雜，很難管理。雖然谷歌云已經(jīng)通過 API 提供了預訓練好的機器學習模型，足夠完成某些特定任務，但是距離我們想要的「把 AI 帶個每個人」還是有很長的路要走。

為了縮小這其中的距離，以及為了讓每個企業(yè)都能更輕松地接觸并使用 AI，我們今天向大家介紹谷歌云 AutoML。對于只有有限的機器學習知識的企業(yè)，谷歌云 AutoML 可以通過谷歌的高級技術(shù)手段，比如 learn2learn 和遷移學習，幫助他們動手構(gòu)建自己的高質(zhì)量自定義模型。我們相信谷歌云 AutoML 可以讓 AI 專家們發(fā)揮出更大的生產(chǎn)力、探索 AI 的新領(lǐng)域，以及幫助技能有限的工程師構(gòu)建他們曾經(jīng)只能夢想擁有的強大的人工智能系統(tǒng)。

我們發(fā)布的首個谷歌云 AutoML 版本將會是云 AutoML Vision，建立自定義圖像識別模型會因它而更快、更簡單。它的允許直接拖拽的界面可以讓你輕松地上傳圖像、訓練和管理模型，然后直接在谷歌云平臺上步數(shù)這些訓練好的模型。在谷歌云 AutoML Vision 的早期測試結(jié)果中，分類熱門公共數(shù)據(jù)集 ImageNet 和 CIFAR 已經(jīng)展現(xiàn)出了優(yōu)秀的表現(xiàn)，相比通用的機器學習 API 可以更準確、有更低的分類誤差。

谷歌云 AutoML Vision 還有下面這些好處：

更高的準確性：谷歌云 AutoML Vision 是基于谷歌的頂尖圖像分類方法構(gòu)建的，包括遷移學習和神經(jīng)架構(gòu)搜索技術(shù)。這意味著，即便使用它的企業(yè)只有有限的機器學習技術(shù)能力，最終也能得到比以往做法準確得多的模型。

達到生產(chǎn)級別模型所需的開發(fā)周期更短：接觸谷歌云 AutoML，用戶可以用幾分鐘的時間就構(gòu)建出一個簡單的模型，然后把它連接到帶有 AI 功能的應用程序上；或者是構(gòu)建一個完整的、生產(chǎn)級別的模型也最短只需要一天時間就可以完成。

使用簡單：谷歌云 AutoML Vision 提供了一個簡潔的圖形化用戶界面，它可以讓用戶選擇數(shù)據(jù)，然后把所選的數(shù)據(jù)轉(zhuǎn)換成根據(jù)用戶的具體需求量身訂制的高質(zhì)量模型。

谷歌云 AutoML Vision 介紹視頻

「我們 Urban Outfitters 一直在尋找提高用戶的購物體驗的新方法」，Urban Outfitters 的數(shù)據(jù)科學家 Alan Rosenwinkel 說道，「我們要給我們的用戶提供有意義的產(chǎn)品推薦、準確的搜索結(jié)果和好用的產(chǎn)品篩選系統(tǒng)，歸類并維持一組豐富的產(chǎn)品特點對此而言就非常重要。然而，人工給產(chǎn)品特點歸類很困難也很花時間。為了改善這個問題，我們團隊已經(jīng)在評估使用谷歌云 AutoML 了，我們打算讓它識別產(chǎn)品上圖案樣式、領(lǐng)口風格之類的微妙產(chǎn)品特點，從而把產(chǎn)品特點的歸類過程自動化。谷歌云 AutoML 很有潛力幫我們給用戶帶來更好的探索、推薦和搜索體驗?！?/p>

迪士尼消費級產(chǎn)品和互動媒體 CTO、高級副總裁 Mike White 表示：「谷歌云 AutoML 的技術(shù)正在幫助我們構(gòu)建視覺模型，這些模型可以給我們的產(chǎn)品添加迪士尼卡通形象、產(chǎn)品類別和顏色的標注。我們也正在把這些標注結(jié)果整合到我們的搜索引擎中，通過相關(guān)性更高的搜索結(jié)果、更快的探索發(fā)現(xiàn)和產(chǎn)品推薦過程把我們的迪士尼商店的用戶體驗再提升一個臺階?！?/p>

倫敦動物學會的動物保護技術(shù)負責人 Sophie Maxwell 也說：「倫敦動物學會是一個世界性的動物保護慈善組織，我們專注于全世界的動物和動物棲息地保護。這種任務中的一個關(guān)鍵要求就是要追蹤野外的動物種群、學習它們的種群分布、更好地理解人類活動對這些物種產(chǎn)生的影響。為了達到這個目標，倫敦動物學會在野外布置了一系列自動照相機，當有動物經(jīng)過時，它們會被熱量或者運動觸發(fā)，拍下經(jīng)過的動物的照片。這些設(shè)備會拍下數(shù)百萬張照片，然后我們需要用人力分析查看、標注上相關(guān)的動物種類，比如是獅子、大象還是長頸鹿等等，這個過程需要非常多的人力，而且資金開銷很大。倫敦動物學會專門設(shè)立的動物保護技術(shù)部門就已經(jīng)在和谷歌的云機器學習團隊緊密合作，他們在幫助我們開發(fā)一種新的自動化技術(shù)給圖像加上標注。我們感到非常興奮，這可以節(jié)省開支、以更大的規(guī)模做應用部署，以及幫助我們更深地理解如何高效地保護全世界的野生動物?！?/p>